返回系列列表
AI科普系列
🏗️ 深度学习架构
共 12/12 篇文章 · 用第一性原理理解AI
探索现代深度学习架构：CNN、RNN、Transformer
学习进度12/12 已完成
第 1 课·2026年3月27日
深度学习入门：从人工神经元到神经网络
深度学习是什么？它和传统机器学习有什么区别？从人工神经元开始，理解深度学习的基本原理。
⏱️ 10 分钟#深度学习
开始阅读 →
第 2 课·2026年3月27日
CNN基础：卷积神经网络如何「看」懂图片
CNN（卷积神经网络）是如何处理图像的？卷积、池化、全连接层各自起什么作用？
⏱️ 10 分钟#CNN
开始阅读 →
第 3 课·2026年3月27日
RNN基础：处理序列数据的神经网络
文本、语音、时间序列...这些都是序列数据。RNN（循环神经网络）如何处理这些连续的信息？
⏱️ 10 分钟#RNN
开始阅读 →
第 4 课·2026年3月27日
Transformer基础：改变AI世界的革命性架构
ChatGPT的背后是什么？Transformer如何用「注意力机制」彻底改变了NLP？
⏱️ 10 分钟#Transformer
开始阅读 →
第 5 课·2026年3月27日
GAN基础：两个AI互相对抗，生成逼真内容
生成对抗网络（GAN）是如何工作的？生成器和判别器为什么要互相「斗争」？
⏱️ 10 分钟#GAN
开始阅读 →
第 6 课·2026年3月27日
扩散模型基础：从噪声中重建清晰图像
Stable Diffusion、Midjourney背后的技术是什么？扩散模型如何一步步将噪声转化为图像？
⏱️ 10 分钟#扩散模型
开始阅读 →
第 7 课·2026年3月27日
强化学习基础：AI如何通过试错学会技能
AlphaGo是怎么学会下围棋的？强化学习是如何让AI通过与环境交互不断改进的？
⏱️ 10 分钟#强化学习
开始阅读 →
第 8 课·2026年3月27日
深度强化学习基础：当深度学习遇上强化学习
深度学习和强化学习结合会发生什么？DQN、PPO等算法是如何工作的？
⏱️ 10 分钟#深度强化学习
开始阅读 →
第 9 课·2026年3月27日
注意力机制详解：AI学会「聚焦」关键信息
注意力机制是什么？多头注意力如何让AI同时关注多个信息？
⏱️ 10 分钟#注意力机制
开始阅读 →
第 10 课·2026年3月27日
BERT vs GPT：编码器和解码器的区别
BERT和GPT都是基于Transformer的，但它们的架构和应用场景有什么不同？
⏱️ 10 分钟#BERT
开始阅读 →
第 11 课·2026年3月27日
LLM训练流程：从预训练到RLHF
大语言模型是如何训练出来的？预训练、微调、RLHF分别起什么作用？
⏱️ 10 分钟#LLM
开始阅读 →
第 12 课·2026年3月27日
多模态模型：AI学会「看图说话」
GPT-4V是如何理解图像的？CLIP如何让AI理解文本和图像的关联？
⏱️ 10 分钟#多模态
开始阅读 →
关于本系列
这个系列旨在用第一性原理拆解🏗️ 深度学习架构的核心概念。 每篇文章都聚焦于一个具体的知识点，配有手绘图解，让复杂的概念变得简单易懂。
深度学习神经网络AI基础