2025 光脚平风沙

这一讲我们主要来学习下构造模型的相关技术，包括读取、存储和计算，基本可以直接上手代码，文章属于小小补充。

第一课我们来学习一些有关深度学习的基础知识，方便后面的深入学习。

《动手学深度学习》是一本面向中文读者的能运行、可讨论的深度学习教科书。这个系列是我学习的过程和笔记，对原有的 Jupyter Notebook 形式做了一定的修改，方便直接在命令行中运行和交互。注：本系列采用 PyTorch 编写代码，故 MXNet 相关内容，不会涉及。

我忽然进入了喜欢读人物传记的阶段，这一次真的感觉到，也许他们身上，能找到我想要的答案。

道路千万条，安全第一条。选择需谨慎，勿乘集装箱。

主课的最后一讲，我们来看看非常出名的 Seq2Seq 模型和注意力机制，这些都是 RNN 得以在机器翻译、语音识别、自然语言处理领域大放异彩的重要原因。

前面我们学习了 RNN，这次就来看看 RNN 最突出的使用场景 —— 自然语言处理(Natural Language Processing)

从这节课开始，我们来学习另一类非常出名的神经网络结构 —— RNN(Recurrent Neural Networks)。

作为 CNN 的最后一讲，我们来看看人脸识别和神经风格转化这两个有有趣的应用。

前面我们熟悉了 CNN 的几个经典模型，这节课我们来看看计算机视觉领域中新型的方向 —— 目标检测。