如果你已经在用 PyTorch 或 TensorFlow 调包跑通了几段示例代码，却说不清一次反向传播里梯度到底怎么算出来的，那这门课正好补的是这块。它的定位不是"又一个深度学习入门教程"，而是让你在打开框架之前，先用最朴素的方式把神经网络亲手实现一遍。学完之后再回头用框架，很多以前靠猜的参数和调用会变得有据可依。
这门课补的是哪块缺口
常见的深度学习学习路径有两种毛病。一种是从公式推导开始，矩阵求导、链式法则讲得很细，但落到代码上不知道从哪下手；另一种直接上框架，几行 API 就跑出一个模型，可一旦报错或者效果不对，完全不知道从哪儿查。这门课卡在中间：它假设你会一点 Python、记得住矩阵乘法的大致含义，但没要求你先啃完一整本优化理论。缺的是"把公式变成能跑的代码"这一段手感，而这段手感恰恰是后面所有调试能力的底子。
具体一点说，如果你现在对下面这些问题答不上来，说明缺口在这儿：一层全连接的前向计算，输入、权重、偏置三者的形状该怎么对；损失函数算出来之后，梯度是顺着哪条链回到每一层参数的；学习率调大调小，训练曲线为什么会那样抖。
自己动手搭，到底搭什么
课程围绕"从零实现"展开，核心是把一个最小的神经网络拆开来看。前向传播怎么组织、激活函数在代码里长什么样、损失怎么定义、反向传播的每一层梯度如何递推、参数如何按梯度更新——这些通常被框架一行 backward() 盖住的步骤，会被逐一还原。你会看到数值计算在代码层面的真实样子，而不是只停留在符号推导。
接着才会过渡到用框架对照。同一件事，手写一遍和调包一遍，两相对比，你才能明白框架替你省掉了什么、又在哪些地方留了需要你自己判断的口子。这个顺序很关键：先有内功，再用兵器，否则框架的抽象反而会变成黑箱。
配套练习大概长什么样
- 给定输入和权重，手算一遍前向输出，再用代码验证，检查自己有没有理解形状对齐。
- 针对单个神经元，手动推导并实现一次梯度更新，观察参数变化方向是否符合预期。
- 把激活函数换掉，保持其他不变，对比训练过程，体会非线性带来的差别。
- 调整学习率与初始化，记录损失曲线，找出训练发散或停滞的原因。
- 用同一组数据分别跑手写版本和框架版本，对比结果是否一致，定位差异来源。
这些练习的共同点是都能自己验证对错，不依赖标准答案。做不下去的时候，往往正好暴露出某个环节没弄懂。
看完应该能回答的问题
- 一个两层网络，参数量是怎么数出来的？每个参数的形状由什么决定？
- 反向传播里，损失对某一层权重的梯度，是由哪几项相乘得到的？
- 为什么激活函数不能省？如果全部用线性，网络会退化成什么？
- 学习率过大和过小，分别会在训练曲线上留下什么痕迹？
- 框架里的自动求导，和你手写的梯度计算，本质上是不是一回事？
如果这些问题你能顺畅答出来，这门课对你来说就是复习；如果卡在其中两三个上，那它值得花时间走一遍。把它当成第一册来读，后面再接触卷积、循环网络或者 Transformer，你会发现自己看代码时的注意力，从"这行在干嘛"变成了"这里为什么这么设计"。
深度学习是现代科技皇冠上的明珠，当你决定踏上这条道路时，往往会因为选择哪个框架而感到困惑。选择了一个热门的框架后，你又可能会因为难度而感到沮丧，就像武侠小说中的初学者，没有深厚的内功，就无法驾驭顶尖的兵器。其实，这些框架就像是内功秘籍，当你内功小成时，这些工具便能轻松驾驭。神经网络是深度学习的基础，而我们的课程《自己动手搭建神经网络》将帮助新手从零开始，亲手搭建神经网络，掌握深度学习的初级核心能力。
课程推荐
《深度学习小白入门自己动手搭建神经网络(AI第一册)》深度学习是现代科技皇冠上的明珠，当你决定踏上这条道路时，往往会因为选择哪个框架而感到困惑。选择了一个热门的框架后，你又可能会因为难度而感到沮丧，就像武侠小说中的初学者，没有深厚的内功，就无法驾驭顶尖的兵器。其实，这些框架就像是内功秘籍，当你内功小成时，这些工具便能轻松驾驭。神经网络是深度学习的基础，而我们的课程《自己动手搭建神经网络》将帮助新手从零开始，亲手搭建神经网络，掌握深度学习的初级核心能力。【技能收获】学完可掌握：Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。
视频目录（35 节）
* 1-1 自己动手搭建神经网络课程宣传.mp4
* 1-2 课程介绍和开发环境.mp4
* 1-3 从人脑识别猫开始.mp4
* 1-4 神经元.mp4
* 1-5 神经网络的术语.mp4
* 1-6 与门电路的代码.mp4
* 1-7 权重参数和偏置项.mp4
* 1-8 数组输入与门.mp4
* 1-9 概念小结.mp4
* 2-1 与非门.mp4
* 2-2 或门.mp4
* 2-3 异或门分析.mp4
* 2-4 异或门代码.mp4
* 2-5 电路模拟神经网络.mp4
* 3-1 激活函数登场.mp4
* 3-2 制作函数图像.mp4
* 3-3 sigmoid.mp4
* 3-4 relu.mp4
* 4-1 一维数组.mp4
* 4-2 矩阵.mp4
* 4-3 广播和内积运算.mp4
* 5-1 神经网络的符号.mp4
* 5-2 神经网络输入层到第1层.mp4
* 5-3 第1层神经网络的激活.mp4
* 5-4 神经网络第2层.mp4
* 5-5 神经网络第3层.mp4
* 5-6 搭建神经网络代码小结.mp4
* 5-7 softmax详解.mp4
* 6-1 准备手写数字图像.mp4
* 6-2 把像素作为神经网络的输入信号.mp4
* 6-3 使用训练好的模型.mp4
* 6-4 调整代码.mp4
* 6-5 识别数字图片.mp4
* 7-1 制作界面.mp4
* 7-2 按钮事件.mp4
