飞豹客 · 教程详情

【九天菜菜】深度学习实战

会员可免费下载本篇

月会员可按日额度下载（每篇扣 1 次）。

开通会员 · 按档位下载 →

算法数学

110 人浏览发布 2026-06-14更新 2026-06-14

这门《深度学习实战》在同类内容里属于偏"动手"的一类。它不绕开数学，但也不把时间大量花在公式推导上，更适合那些已经会一点 Python、看得懂 numpy 和矩阵运算，却一直卡在"知道原理但写不出模型"这一步的人。如果你连张量、梯度、反向传播是什么还完全没概念，这门课会让你前半程比较吃力；如果你已经能照着教程跑通几行训练代码，但说不清每个张量形状为什么是那样，那它正好补你缺的那块。

它解决的其实是"看得懂、写不出"

深度学习资料的通病是两头脱节：一边是纯讲理论的公开课，推导完整但学生合上笔记本就不知道从哪下手；另一边是直接调库的示例，跑得通但改一行就崩，因为不知道数据在每一层里到底变成了什么形状。这门课把重心放在中间地带——逐行把模型写出来，边写边解释张量维度、参数初始化、损失怎么回传。它的价值不在于教你会用一个框架，而在于让你自己能搭出一个能跑通的网络，并在出错时知道去哪里查。

内容大致覆盖哪些方向

循环网络部分：以 LSTM 为主线，讲它在单变量时间序列上怎么做预测，包括数据窗口怎么切、输入输出形状怎么对齐、训练过程中损失和预测曲线怎么读。
注意力与 Transformer：从位置编码的实际计算讲起，把正余弦编码放到高维空间里做可视化，帮助理解"位置信息"是怎么被表达的；随后推进到解码器结构、输入构造以及 teacher forcing 的训练方式。
贯穿始终的是形状检查和调试：每个模块几乎都会落到"这一层的输入是多少维、输出是多少维"上，这正是初学者最容易翻车的地方。

目录跨度不小，说明它不是一门只讲单一模型的短课，而是沿着序列建模这条线往前走，从 RNN 家族顺到 Transformer。如果你的工作或求职方向涉及时序预测、文本处理、序列类任务，这条线的匹配度比较高。

学完之后大致能独立做什么

比较现实的预期是：你能自己动手搭一个小型序列模型，完成从数据预处理、切分训练验证、定义模型、训练、看指标到调参的完整流程；能读懂一段别人写的 LSTM 或 Transformer 代码，判断它的输入输出是否正确；遇到形状不匹配、损失不下降这类常见问题，有排查思路而不是只能重跑。这不等于能直接做工业级大模型，那是另一条路径，需要额外的分布式训练、数据工程和部署经验。

什么基础适合上手

能写 Python，熟悉列表、字典、函数和基本类写法。
对 numpy 的数组运算不陌生，理解矩阵乘法的维度规则。
最好已经跑过一次 PyTorch 或同类框架的训练脚本，哪怕只是照抄。
概率和微积分不需要很扎实，但看到偏导、链式法则时不至于完全陌生，学起来会顺很多。

如果你目前只学过 Python 语法，还没碰过任何机器学习概念，建议先补一点基础再回来，否则会在前几节反复卡住，容易误以为是课程问题。

怎么用这份资料效率更高

建议不要从头一路看下去，而是看一节、合上视频自己重写一遍代码。尤其是形状相关的部分，动手敲一次比看十遍讲解有用。LSTM 预测和 Transformer 解码器这两块，可以各拿一个自己的小数据集套进去改，改动过程中暴露的问题才是真正的收获。视频体量偏大，如果某节只是复习已知内容，可以适当倍速，把时间留给调试和复现。

最后提醒一句：这门课偏实战和序列建模方向，不是包治百病的通识课。先确认自己的目标里确实有序列或文本类任务，再决定要不要投入时间。

【九天菜菜】深度学习实战

深度学习核心技术实战解析

编辑点评

深入浅出，实战性强，适合初学者快速掌握深度学习核心算法。

⭐ 编辑推荐

跟随九天菜菜，从基础到进阶，实战解析深度学习核心技术。

课程亮点

• 实战项目丰富

• 深入浅出讲解

• 适合初学者进阶

课程目录

220【Transformer】正余弦编码的实际计算与高维空间可视化.mp4  [107.1 MB]
194_Lesson-20.1.5.7-多步预测的代码实现（上）滑窗与标签的分割.mp4  [179.3 MB]
117_Lesson-18.3.3-cGAN与InfoGAN(1)：基本运行原理.mp4  [222.8 MB]
94_Lesson-17.8.1-基于ResNet与VGG16自建架构.mp4  [391.3 MB]
66_Lesson-16.12-全连接层的参数，用nn.Sequential复现VGG16.mp4  [648.9 MB]
59_Lesson-16.6.2-复现经典架构(2)：AlexNet【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4  [770.8 MB]
10_Lesson-7.1-神经网络的诞生与发展_batch.mp4  [217.8 MB]
154_Lesson-20.1.4.1-LSTM在单变量数据集上的预测实战（上）【精心整理‖更多资源关注 CunWorkNotes】.mp4  [131.2 MB]
163_Lesson-24.3.1-大语言模型的基本深度学习概念补充讲解【整理分享‖关注公众号 CunWorkNotes】.mp4  [224.8 MB]
160_Lesson-24.2.1-大模型技术学习目标和内容规划.mp4  [98.7 MB]
77_Lesson-17.3.1-使用自己的图像创造数据集.mp4  [987.0 MB]
224【Transformer】完整Transformer结构下的解码器Decoder【精心整理‖更多资源关注 CunWorkNotes】.mp4  [133.0 MB]
225【Transformer】Decoder的输入与teacher forcing【资源整理‖公众号 CunWorkNotes】.mp4  [218.4 MB]
211_Lesson-20.1.5.24-适用于LSTM的混合模型特征筛选法.mp4  [77.5 MB]
159_Lesson-24.1.4-ChatGPT防封指南【资源整理‖公众号 CunWorkNotes】.mp4  [55.7 MB]
87_【直播加餐】07-Transformer中的注意力机制_v【精心整理‖更多资源关注 CunWorkNotes】.mp4  [227.8 MB]
08_Lesson-5-基本优化方法与最小二乘法.mp4  [1.5 GB]
38_Lesson-13.1-深度学习建模目标与性能评估理论.mp4  [1.1 GB]
42_Lesson-13.3.2-梯度不平稳性与Glorot条件（2）【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4  [457.2 MB]
114_Lesson-18.3.2-转置卷积层与DCGAN(3)：DCGAN架构复现-(上).mp4  [176.0 MB]
155_Lesson-20.1.4.1-LSTM在单变量数据集上的预测实战（下）【资源整理‖公众号 CunWorkNotes】.mp4  [140.1 MB]
51_Lesson-16.1-配置环境，计算机视觉行业综述.mp4  [216.5 MB]
86_【直播加餐】06-时序卷积网络TCN架构解析与复现-v.mp4  [181.7 MB]
146_Lesson-20.1.1.2-LSTM治理权重冲突问题的基本思路.mp4  [107.6 MB]
181_Lesson-24.10.2-针对SCAN数据集的Few-shot-LtM提示工程流程.mp4  [306.6 MB]
198_Lesson-20.1.5.11【Q&A】多步递归预测的Q&A【精心整理‖更多资源关注 CunWorkNotes】.mp4  [46.4 MB]
229【Transformer】Decoder-Only结构下的Decoder【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4  [154.0 MB]
226【Transformer】掩码与掩码注意力机制 v2.mp4  [218.2 MB]
222【Transformer】 编码器结构详解之Layer Normalization.mp4  [105.1 MB]
217【Transformer】 Transformer的基本架构.mp4  [132.3 MB]
200_Lesson-20.1.5.13-股票业务指导数据预处理（上）【资源整理‖公众号 CunWorkNotes】.mp4  [90.0 MB]
195_Lesson-20.1.5.8-多步预测的代码实现（下）：早停机制与预测值去重.mp4  [153.5 MB]
166_Lesson-24.4-大模型课程硬件要求说明【资源整理‖公众号 CunWorkNotes】.mp4  [156.2 MB]
151_Lesson-20.1.3.1-nn.LSTM层的参数群-(下)：Proj_size【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4  [136.8 MB]
139_Lesson-19.3.4.5-双向循环神经网络【资源整理‖公众号 CunWorkNotes】.mp4  [64.7 MB]
…（已达 35 条上限，后续省略）