深度学习这条线，最怕的不是难，而是学得“悬空”：反向传播能背公式，真到写 PyTorch 训练循环时不知道 loss 该不该 retain_graph；卷积核尺寸会算，遇到显存炸了却只会调 batch size。这套课针对的正是这类缺口——它假定你已经会一点 Python、听过梯度下降，然后把你按在代码和推导上，一处处补漏。

它面向的三种具体处境

数学课上推过链式法则，但从来没亲手把计算图拆开看过梯度怎么流回去。
跑通过别人写好的模型，改一行就报错，搞不清 nn.Module 里 forward 和参数注册的关系。
简历上写了“熟悉 CNN/RNN”，面试被追问感受野、梯度消失、Attention 计算量时答不干脆。

课程实际要啃下的几块硬骨头

主线是神经网络的基本构件与训练机制：从全连接、激活函数、损失函数讲起，把反向传播落到自动求导的实现上；再进入卷积网络的通道、步长、池化与经典结构，循环网络里的时间步展开和门控机制；随后是注意力与 Transformer 的基本盘。这些内容不是并列罗列，而是按“能自己搭出一个小网络并训练收敛”这个目标串起来的。

接着会碰训练过程中的顽疾——过拟合、梯度消失与爆炸、学习率震荡、批归一化为什么有效。这部分是课程含金量较高的地方：光知道 Dropout 能防过拟合没用，要能说清训练和推理阶段它的行为差异，以及和 BatchNorm 同时用时的冲突。

实战部分落在具体任务上，图像分类、序列建模这类常见场景会走完整流程：数据读取与增强、模型定义、训练循环、验证集监控、调参与结果分析。重点不在跑出多高的准确率，而在每一步为什么这么写、换掉会怎样。

跟练时的两个提醒

不要只看视频。推导部分暂停，自己在纸上把一轮前向和反向的维度变化写出来，尤其是张量形状。
把示例代码改坏再修好。比如去掉归一化看损失曲线怎么变、把学习率放大十倍看什么时候发散，这种“破坏性实验”比顺着敲一遍有用。

看完应该能回答的问题

一个两层网络的梯度是怎么从输出层一层层算回输入层的，计算图在什么时候被释放？
同样参数量下，为什么堆叠小卷积核往往比一个大卷积核更划算？
RNN 的梯度消失和 LSTM 的门控到底解决了什么、没解决什么？
自注意力为什么要除以维度的平方根，多头在计算上多花了什么代价？
训练损失下降但验证损失上升，你按什么顺序排查？

如果这些问题你现在答不上来，这门课就是给你准备的；如果大部分能答，那该跳过前面，直接去实战部分找卡点。

《B站-深度学习必修课：进击AI算法工程师梗直哥瞿炜》

从基础到实战，全面掌握深度学习算法

编辑点评

课程内容丰富，深入浅出，适合初学者和进阶者。实战项目丰富，助力理论应用到实际。

⭐ 编辑推荐

本课程由AI算法工程师瞿炜主讲，涵盖深度学习核心算法，从基础到实战，助你成为AI算法工程师。

课程亮点

• 深度学习核心算法讲解

• 实战项目丰富

• 适合不同水平学习者

课程目录

009.3-3 Jupyter Notebook快速上手.mp4  [15.5 MB]
050.8-6 DenseNet.mp4  [58.5 MB]
082.13-4 生成对抗网络.mp4  [39.9 MB]
038.6-12 学习率调节器.mp4  [27.9 MB]
034.6-8 AdaGrad算法.mp4  [24.8 MB]
060.10-4 长短期记忆网络.mp4  [43.1 MB]
016.4-6 线性回归代码实现.mp4  [23.1 MB]
089.14-5 项目实战：猫狗大战.mp4  [64.1 MB]
007.3-1 CUDA+Anaconda深度学习环境搭建.mp4  [20.9 MB]
086.14-2 图像数据增强.mp4  [33.4 MB]
070.11-5 注意力池化及代码实现.mp4  [29.6 MB]
071.11-6 Transformer模型.mp4  [43.9 MB]
061.10-5 复杂循环神经网络代码实现.mp4  [35.8 MB]
047.8-3 批量规范化.mp4  [23.6 MB]
084.13-6 图像生成.mp4  [56.1 MB]
040.7-2 图像卷积.mp4  [34.8 MB]
088.14-4 经典视觉数据集.mp4  [37.3 MB]
035.6-9 RMSProp_Adadelta算法.mp4  [15.9 MB]
013.4-3 前向传播和反向传播.mp4  [39.5 MB]
090.15-1 词嵌入和word2vec.mp4  [33.3 MB]
015.4-5 回归问题.mp4  [35.6 MB]
026.5-8 模型文件的读写.mp4  [16.5 MB]
048.8-4 GoogLeNet.mp4  [41.0 MB]
014.4-4 多层感知机代码实现.mp4  [29.3 MB]
097.16-2 CLIP模型.mp4  [37.7 MB]
021.5-3 过拟合和欠拟合示例.mp4  [22.4 MB]
044.7-6 卷积神经网络代码实现（LeNet）.mp4  [27.2 MB]
081.13-3 变分自编码器.mp4  [56.2 MB]
017.4-7 分类问题.mp4  [23.0 MB]
037.6-11 梯度下降代码实现.mp4  [30.9 MB]
078.12-6 GPT模型代码实现.mp4  [38.0 MB]
063.10-7 序列到序列模型代码实现.mp4  [33.0 MB]
022.5-4 正则化.mp4  [42.2 MB]
100.16-5 下一步学习的建议.mp4  [18.5 MB]
065.10-9 机器翻译简单代码实现.mp4  [39.3 MB]
…（已达 35 条上限，后续省略）