别被“人工智能工程师”吓跑，这课只教你 PyTorch 核心落地

很多想转行 AI 的同学，看到“人工智能算法工程师”这种大词容易劝退，误以为要从数学公式推导开始，或者要啃几千页的论文才能上手。其实这门课完全没空讲那些虚头巴脑的理论，它只解决最痛的一个问题：如何从零开始，用 PyTorch 把想法变成能跑、能用的模型。如果你只想快速掌握工业界主流框架的实战，跳过繁琐的推导，直接上手写代码调参，那这门课就是为你准备的。

适合有 Python 基础，但不想被深度学习数学劝退的人

这门课不建议零基础小白直接看，因为你得会 Python，至少懂点函数定义和类继承。至于那些复杂的张量运算、反向传播推导，课程里不会让你去证，只会告诉你：这里调用 `torch.tensor`，那里用 `.backward()`，操作极其直观。你不需要是数学系博士，只要愿意跟着敲代码、看结果，就能理解卷积神经网络（CNN）是怎么工作的。它适合那些写后端开发想扩展技能树，或者已经懂 TensorFlow 想迁移到 PyTorch 的开发者，因为课程逻辑是按“数据处理 - 模型搭建 - 训练优化”的工程流走的，非常顺畅。

先啃前四周，再按周次实战，配合源码自己改代码

资料包里包含了庞大的源码和 PDF 课件，别只看不练，那样永远学不会。建议你按照周次顺序学，先花点时间把前四周的 PyTorch 基础环境搭建、张量操作、Dataset 加载弄明白，这是地基。有了基础，直接从第 10 周开始，带着源码对照着视频，尝试修改网络结构、更换数据集。每看完一节，必须自己在本地复现一遍，哪怕只是改个卷积层数或激活函数，观察 Loss 曲线的变化。只有亲手把代码跑通、跑崩再跑通，你才算真正掌握了那几 G 代码里的精髓。

学完能独立搭模型，从移动端到注意力机制全覆盖

学完这门课，你不再只会调 `keras` 的 `Sequential`，而是能独立用 PyTorch 搭建复杂的神经网络。你能独立实现从简单的链式结构到多分支、残差连接（ResNet）的各种变体，理解为什么残差能解决梯度消失。更关键的是，你能针对移动端需求，从零手写 MobileNet 和 ShuffleNet，理解分组卷积和通道混洗的原理，这在物联网开发里特别有用。最后，你还能掌握 SENet 等注意力机制，知道怎么让模型关注图片里的重要特征。掌握了这些，你就能独立负责一个完整的图像识别项目，从数据预处理到模型部署，不再依赖现成的 API 接口。

课程目录

【0】源码+PDF课件+电子书
电子书（mhtml格式，浏览器打开即可）.zip 78.44M
源码+PDF课件.zip 4.57G
【第10周】 PyTorch数据处理与网络模型构建
10-1-1 第1章 周课程整体介绍与安排
10-1-2 第2章 安装PyTorch
10-1-3 第3章 Tensor的操作
10-2 数据集加载与应用
10-2-1 第1章 Dataset与Dataloader
10-2-2 第2章 数据增强与转换
10-3 网络模型搭建实战
10-3-1 第1章 网络模型搭建实战
【第11周】 深入PyTorch模型的训练与可视化
11-1 PyThorch训练基础与数据可视化
11-1-1 第1章 模型训练与可视化
11-2 PyThorch训练进阶与性能优化
11-2-1 第1章 PyTorch 训练进阶
11-2-2 第2章 模型性能提升方法
11-3 PyThorch软件封装
11-3-1 第1章 PyThorch软件封装
【第12周】 CNN图像处理模型
12-1 简单链式模型理论与实战
12-1-1 第1章 简单链式模型理论与实战
12-2 多分支模型理论与实战
12-2-1 第1章 多分支模型理论与实战
12-3 残差模型理论与实战
12-3-1 第1章 残差模型理论与实战
【第13周】 移动端AI高效率分组模型
13-1 mobilenet模型理论与实战
13-1-1 第1章 卷积拆分分组与Xception
13-1-2 第2章 MobileNet 模型
13-1-3 第3章 从零搭建MobileNet模型
13-2 shufflenet模型理论与实战
13-2-1 第1章 ShuffleNet模型
13-2-2 第2章 从零搭建ShuffleNet模型
【第14周】 卷积注意力模型
14-1 特征通道注意力
14-1-1 第1章 注意力模型基础
14-1-2 第2章 特征注意力模型
14-1-3 第3章 从零搭建SENet
14-2 空间注意力
14-2-1 第1章 空间注意力
14-3 混合注意力模型
14-3-1 第1章 混合注意力模型
【第15周】 Transformer模型
15-1 Transformer 原理与实现
15-1-1 第1章 自注意力机制
15-1-2 第2章 Transformer模型
15-1-3 第3章 从零搭建Transformer
【第16周】 Vision Transformer 模型
16-1 Vision Transformer模型
16-1-1 第1章 基础 ViT模型
16-1-2 第2章 从零搭建Vision Transformer
16-2 轻量级VisionTransformer
16-2-1 第1章 轻量级ViT模型
16-2-2 第2章 从零搭建Mobile ViT模型
【第17周】【视觉领域】图像分类技术与项目实战
17-1 图像分类基础与实践：安防监控人脸表情识别
17-1-1 第1章 图像分类基础与模型
17-1-2 第2章 人脸表情识别实战
17-2 多标签分类与实战：生活用品多标签分类
17-2-1 第1章 多标签图像分类模型
17-2-2 第2章 实战：生活用品多标签分类
【第18周】 【工业领域】目标检测技术与项目实战
18-1 目标检测基础与YOLO系列模型原理
18-1-1 第1章 目标检测基础
18-1-2 第2章 YOLO系列模型原理
18-2 实践：YOLO v5车牌检测实战
18-2-1 第1章 YOLO v5车牌检测实战
【第19周】 【医疗与直播领域】图像分割技术与项目实战
19-1 图像分割基础与模型
19-1-1 第1章 图像分割基础
19-1-2 第2章 经典语义分割模型
19-1-3 第3章 语义分割的关键技术改进
19-2 实践：基于UNet的人脸语义分割
19-2-1 第1章 基于UNet的人脸语义分割实战
【第1周】 快速搞清楚人工智能
1-1 人工智能发展前景与就业方向
1-1-1 第1章 课程全面解析
1-1-2 第2章 人工智能到底是什么？