深度学习用参数化网络表示输入与输出的关系，通过数据和学习目标调整参数。
目录
| 分类 | 章节 |
|---|---|
| 定义问题 | 问题与学习信号 |
| 数据表示 | 数据表示 |
| 网络结构 | 神经网络基础、卷积神经网络、RNN、LSTM 与 GRU、注意力、Transformer、堆叠、残差与特征融合 |
| 生成模型 | 自回归、AE、VAE、GAN 与扩散 |
| 训练 | 数据与训练流程、损失函数、反向传播与优化、预训练与微调 |
| 交互学习 | 强化学习 |
| 评价 | 评价与泛化 |
深度学习用参数化网络表示输入与输出的关系，通过数据和学习目标调整参数。
| 分类 | 章节 |
|---|---|
| 定义问题 | 问题与学习信号 |
| 数据表示 | 数据表示 |
| 网络结构 | 神经网络基础、卷积神经网络、RNN、LSTM 与 GRU、注意力、Transformer、堆叠、残差与特征融合 |
| 生成模型 | 自回归、AE、VAE、GAN 与扩散 |
| 训练 | 数据与训练流程、损失函数、反向传播与优化、预训练与微调 |
| 交互学习 | 强化学习 |
| 评价 | 评价与泛化 |