# 深度学习核心网络架构解析
这节内容主要解决“知其然不知其所以然”的问题。很多学习者能调用 API 跑通模型，但一旦需要修改结构或调试收敛异常，就往往无从下手。本课程聚焦 CNN、RNN、GAN 三大经典架构，不堆砌繁琐的数学推导，而是直击算法原理与工程落地的结合点，填补理论理解与代码实现之间的断层。它不是简单的代码演示，而是带你拆解网络内部的逻辑斯蒂回归基础、卷积核作用机制以及生成对抗过程，适合已经掌握 Python 基础、了解线性代数概念，但尚未系统学习过深度模型内部结构，或者在项目中遇到调参瓶颈的工程师和转行者。
建议优先观看第二章神经网络入门和第四章卷积进阶。第二章是地基，重点在于理清梯度下降与神经元多输出的关系，这部分内容直接决定了你对模型训练稳定性的理解；如果这块没吃透，后面的调参都是瞎猜。第四章则展示了从 AlexNet 到 ResNet 的演进逻辑，特别是残差连接和 Inception 模块的设计思想，这是理解现代 CNN 架构的关键。对于时间紧迫的学习者，可以跳过第十章 AutoML，因为那属于特定领域的扩展，核心算力还是应放在主干网络的原理上。学完这部分内容后，你应当能独立搭建一个简单的图像分类网络，并具备排查梯度消失、设置预训练模型 fine-tune 的能力，能根据业务场景手动调整激活函数和优化器。
资料配合练习时，不要只盯着视频看。第二章的逻辑斯蒂回归实现片段，建议你动手敲一遍代码，尝试修改学习率观察损失曲线变化，这是理解梯度下降最直观的方式。第四章的 ResNet 实战部分，资料里包含了具体的网络构建代码，你应当结合 Tensorboard 日志，分析每一层输出的维度变化，理解池化和卷积对特征提取的影响。第五章的调参技巧非常实用，批归一化和图像增强的实战案例，能帮你解决训练震荡和过拟合的常见痛点。整体而言，这套资料的价值在于“原理+实战”的闭环：先看懂网络为什么长这样，再通过代码验证其有效性。避免陷入对单一超参数数值的死记硬背，重点应放在理解不同网络组件（如卷积层、全连接层）在数据流动中的角色转变，这样在遇到新项目时，你才能灵活组合模块，而不是生搬硬套现成模板。
课程目录
📁 第2章 神经网络入门 2-2 神经元-逻辑斯底回归模型.mp4 [22.6 MB] 2-7 神经元实现（二分类逻辑斯蒂回归模型实现）.mp4 [323.2 MB] 2-5 数据处理与模型图构建(1).mp4 [101.9 MB] 2-4 梯度下降.mp4 [52.7 MB] 2-1 机器学习、深度学习简介.mp4 [52.1 MB] 2-6 数据处理与模型图构建(2).mp4 [69.8 MB] 2-3 神经元多输出.mp4 [27.5 MB] 2-8 神经网络实现（多分类逻辑斯蒂回归模型实现）.mp4 [148.0 MB] 📁 第1章 课程介绍 1-1 课程导学.mp4 [45.4 MB] 📁 第10章 自动机器学习网络-AutoML 10-5 自动网络结构搜索算法三_深度学习之神经网络RNNGAN算法原理实战.mp4 [25.4 MB] 10-3 自动网络结构搜索算法一的分布式训练_深度学习之神经网络RNNGAN算法原理实战.mp4 [27.7 MB] 10-4 自动网络结构搜索算法二_深度学习之神经网络RNNGAN算法原理实战.mp4 [26.6 MB] 10-2 自动网络结构搜索算法一_深度学习之神经网络RNNGAN算法原理实战.mp4 [44.4 MB] 10-1 AutoML引入_深度学习之神经网络RNNGAN算法原理实战.mp4 [13.6 MB] 📁 第5章 卷积神经网络调参 5-10 批归一化实战（1）【优质资源‖关注：cunWorkNotes 解锁】.mp4 [155.8 MB] 5-6 fine-tune-实战.mp4 [172.8 MB] 5-11 批归一化实战（2）.mp4 [171.6 MB] 5-7 actiation-initializer-optimizer-实战.mp4 [179.7 MB] 5-9 图像增强实战.mp4 [213.0 MB] 5-4 Tensorboard实战（1） (1).mp4 [212.4 MB] 5-2 激活函数到调参技巧（1）.mp4 [61.4 MB] 5-8 图像增强api使用.mp4 [149.6 MB] 5-4 Tensorboard实战（1）.mp4 [145.2 MB] 5-3 激活函数到调参技巧（2）.mp4 [47.8 MB] 5-1 adagrad_adam.mp4 [24.0 MB] 📁 第4章 卷积神经网络进阶 4-5 GG-ResNet实战（2）【资源精选‖更多关注：CunworkNotes】.mp4 [176.8 MB] 4-7 Inception-mobile_net（2）.mp4 [131.7 MB] 4-3 卷积神经网络进阶（inception-mobile-net）.mp4 [55.4 MB] 4-2 卷积神经网络进阶（ggnet-Resnet）.mp4 [73.3 MB] 4-1 卷积神经网络进阶（alexnet）.mp4 [51.2 MB] 4-4 GG-ResNet实战（1）.mp4 [160.9 MB] 4-6 Inception-mobile_net（1）.mp4 [120.6 MB] 📁 第6章 图像风格转换 6-1 卷积神经网络的应用【不易整理‖请关注：CunWorkNoteS】.mp4 [46.3 MB] 6-8 图像风格转换计算图构建与损失函数计算.mp4 [109.1 MB] 6-10 图像风格转换效果展示.mp4 [52.2 MB] 6-12 图像风格转换3算法【整理不易‖记得关注：CunWorKNotes】.mp4 [16.1 MB] 6-5 GG16预训练模型读取函数封装.mp4 [69.2 MB] 6-2 卷积神经网络的能力.mp4 [54.0 MB] 6-4 GG16预训练模型格式.mp4 [31.7 MB] 6-7 图像风格转换算法定义输入与调用GG-Net.mp4 [87.7 MB] 6-9 图像风格转换训练流程代码实现.mp4 [194.9 MB] 6-6 GG16模型搭建与载入类的封装.mp4 [162.3 MB] 6-11 图像风格转换2算法.mp4 [43.0 MB] 6-3 图像风格转换1算法.mp4 [33.3 MB] 📁 第7章 循环神经网络 7-5 基于CNN的文本分类模型(TextCNN)【持续更新‖免费提供：CunworknoteS】.mp4 [55.6 MB] 7-16 训练流程实现.mp4 [92.9 MB] 7-9 实战代码模块解析.mp4 [19.2 MB] 7-17 LSTM单元内部结构实现.mp4 [173.6 MB] 7-6 RNN与CNN融合解决文本分类【资源精选‖更多关注：CunworkNotes】.mp4 [47.9 MB] 7-19 循环神经网络总结.mp4 [2.8 MB] 7-13 计算图输入定义【更多精选‖公众号：CunWorknotes】 .mp4 [68.5 MB] 7-14 计算图实现.mp4 [87.2 MB] 7-15 指标计算与梯度算子实现.mp4 [54.4 MB] 7-3 长短期记忆网络.mp4 [26.2 MB] 7-1 序列式问题.mp4 [14.2 MB] 7-4 基于LSTM的文本分类模型(TextRNN与HAN).mp4 [33.8 MB] 7-7 数据预处理之分词.mp4 [130.6 MB] 7-2 循环神经网络.mp4 [64.5 MB] 7-10 超参数定义.mp4 [52.1 MB] 7-12 数据集封装.mp4 [109.2 MB] 7-8 数据预处理之词表生成与类别表生成.mp4 [72.2 MB] 7-18 TextCNN实现.mp4 [107.4 MB] 7-11 词表封装与类别封装.mp4 [107.9 MB] 📁 第8章 图像生成文本 8-10 图像特征抽取(1)-文本描述文件解析【整理不易‖记得关注：CunWorKNotes】.mp4 [60.7 MB] 8-12 输入输出文件与默认参数定义【整理不易‖记得关注：CunWorKNotes】.mp4 [39.6 MB] 8-5 Show and Tell模型.mp4 [7.5 MB] 8-20 训练流程代码.mp4 [77.7 MB] 8-18 计算图构建-图片与词语embedding.mp4 [94.6 MB] 8-21 文本生成图像问题引入与本节课总结.mp4 [17.1 MB] 8-15 ImageCaptionData类封装-图片特征读取.mp4 [83.0 MB] 8-6 Show attend and Tell 模型.mp4 [49.9 MB] 8-3 Encoder-Decoder框架与Beam Search算法生成文本.mp4 [14.2 MB] 8-4 Multi-Modal RNN模型.mp4 [27.2 MB] 8-19 计算图构建-rnn结构实现、损失函数与训练算子实现.mp4 [161.9 MB] 8-17 计算图构建-辅助函数实现.mp4 [42.4 MB] 8-9 数据介绍，词表生成.mp4 [86.2 MB] 8-7 Bottom-up Top-down Attention模型.mp4 [14.6 MB] 8-11 图像特征抽取(2)-Inception3预训练模型抽取图像特征.mp4 [87.1 MB] 8-2 图像生成文本评测指标.mp4 [17.6 MB] 8-8 图像生成文本模型对比与总结.mp4 [10.0 MB] 8-14 文本描述转换为ID表示.mp4 [38.3 MB] 8-1 图像生成文本问题引入⼊.mp4 [59.6 MB] 8-13 词表载入.mp4 [58.2 MB] 8-16 ImageCaptionData类封装-批数据生成.mp4 [155.5 MB] 📁 第9章 对抗神经网络 9-8 多领域图像翻译StarGAN_深度学习之神经网络RNNGAN算法原理实战【持续更新‖免费提供：CunworknoteS】.mp4 [43.4 MB] 9-1 对抗生成网络原理.mp4 [213.0 MB] 9-7 无配对图像翻译CycleGAN(2)_深度学习之神经网络RNNGAN算法原理实战【优质资源‖关注：cunWorkNotes 解锁】.mp4 [26.7 MB] 9-4 深度卷积对抗生成网络DCGAN(2)_深度学习之神经网络RNNGAN算法原理实战.mp4 [21.4 MB] 9-9 文本生成图像Text2Img_深度学习之神经网络RNNGAN算法原理实战.mp4 [37.9 MB] 9-10 对抗生成网络总结_深度学习之神经网络RNNGAN算法原理实战.mp4 [8.2 MB] 9-5 图像翻译Pix2Pix_深度学习之神经网络RNNGAN算法原理实战.mp4 [46.5 MB] 9-3 反卷积.mp4 [36.5 MB] 9-6 无配对图像翻译CycleGAN(1)_深度学习之神经网络RNNGAN算法原理实战.mp4 [17.4 MB] 9-16 DCGAN训练算子实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [49.0 MB] 9-14 DCGAN判别器实现.mp4 [334.9 MB] 9-13 DCGAN生成器器实现.mp4 [720.8 MB] 9-11 DCGAN实战引⼊.mp4 [103.4 MB] 9-2 深度卷积对抗生成网络DCGAN(1).mp4 [24.4 MB] 9-12 数据生成器实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [77.1 MB] 9-17 训练流程实现与效果展示_深度学习之神经网络RNNGAN算法原理实战.mp4 [82.4 MB] 9-15 DCGAN计算图构建实现与损失函数实现_深度学习之神经网络RNNGAN算法原理实战.mp4 [65.7 MB] 📁 第3章 卷积神经网络 3-2 卷积神经网络（1）.mp4 [61.4 MB] 3-3 卷积神经网络（2）.mp4 [39.6 MB] 3-1 神经网络进阶.mp4 [48.9 MB] 3-4 卷积神经网络实战.mp4 [128.5 MB] 📁 第11章 课程总结 11-1 课程总结.mp4 [33.7 MB] 资料.zip [2.6 GB]
