这门课的名字看起来像"Python 入门"，但实际内容的重心在 PyTorch 和深度学习。如果你是想找一门从零学 Python 语法的课，它并不对口；如果你已经会写基本的 Python，想搞清楚神经网络怎么用代码搭起来、训练起来，那它值得考虑。
它解决的是什么场景的问题
很多人学深度学习的卡点不在概念，而在"概念我都懂，但打开编辑器不知道第一行写什么"。反向传播的公式看得明白，轮到要自己实现一层网络、自己写训练循环、自己调试 loss 不下降，就卡住了。这门课基本是冲着这个场景去的：把 PyTorch 当成工具，从张量的操作、梯度的传播一路推到能跑通完整的训练流程。
另一类适合的人，是已经用过 TensorFlow 或跑过别人的开源项目，但一直停留在"改改参数、跑跑脚本"的阶段，想弄明白模型内部到底发生了什么。课程里有感知机梯度传播的推导、多层感知机与分类器的搭建，这部分对补基础是有用的。
学完能独立做什么
按课程覆盖的范围，走完之后你应该能独立完成这几件事：自己配置 PyTorch 开发环境并排查常见的版本与 CUDA 问题；用张量完成数据预处理和高阶索引操作；从零搭一个多层感知机并手写训练循环；用 CNN 在 CIFAR10 这类数据集上做图像分类，并理解 ResNet 里的残差连接为什么有效；用 RNN 和 LSTM 处理序列数据；以及实现一个基础的对抗生成网络。
需要说明的是，这些是"能照着思路独立写出来"的程度，不是"能发论文"的程度。课程定位在工程入门和实战打通，不涉及前沿模型的复现。
资料结构和学习节奏
内容按主题分块推进，从框架介绍和环境准备起头，中间是张量操作、梯度推导、多层感知机，后面进入 CNN、RNN/LSTM、GAN 这几类经典网络，最后用 CIFAR10 加 ResNet 做一个相对完整的实战收尾。这个顺序是合理的：先建立对框架的手感，再补数学直觉，最后上真实数据集。
建议不要跳着看。张量高阶操作那一节看起来枯燥，但后面所有模型的数据处理都依赖它；梯度传播的推导如果跳过，后面调参时你会不知道自己在调什么。每看完一个网络结构，最好自己复现一遍再往下走，否则容易变成"看的时候都懂，关掉视频就忘"。
哪些人适合，哪些人不适合
- 适合：有 Python 基础（会写函数、类、装包），想系统入门 PyTorch 的在校学生或在职转行者。
- 适合：做过一点机器学习、想从调包转向自己搭模型的人。
- 不适合：完全没写过代码的纯零基础，前面环境配置和语法细节会劝退。
- 不适合：已经能熟练用 PyTorch 做项目、想找前沿方向（如大模型、扩散模型）的人，内容对你偏基础。
最后一个提醒：深度学习这门东西，看视频的收益远小于自己敲代码。资料给的是路径和讲解，真正让知识留下来的还是你在本地跑通、报错、再跑通的过程。如果你没有整块时间动手，先收藏，等能坐下来写代码的时候再开始。
课程目录
📁 11.CIFAR10与ResNet实战 63.lesson43-nn.Module-2.mp4 [31.4 MB] 61.lesson42-ResNet, DenseNet-2.mp4 [43.6 MB] 55.lesson39-Pooling&upsample.mp4 [34.1 MB] 64.lesson44-数据增强Data Argumentation.mp4 [46.8 MB] 56.lesson40-BatchNorm-1.mp4 [41.4 MB] 62.lesson43-nn.Module-1.mp4 [45.0 MB] 58.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4 [49.3 MB] 60.lesson42-ResNet，DenseNet-1.mp4 [53.2 MB] 59.lesson41-LeNet5,AlexNet, VGG, GoogLeN.mp4 [40.4 MB] 57.lesson40-BatchNorm-2.mp4 [51.3 MB] 📁 07.感知机梯度传播推导 36.lesson22 优化小实例.mp4 [39.2 MB] 34.lesson20 链式法则.mp4 [39.9 MB] 32.lesson19 单一输出感知机1.mp4 [47.4 MB] 33.lesson19 多输出Loss层2.mp4 [49.7 MB] 35.lesson21 反向传播.mp4 [82.0 MB] 📁 13.对抗生成网络GAN 79.lesson57-纳什均衡-D.mp4 [20.4 MB] 86.lesson64-GAN训练不稳定.mp4 [20.2 MB] 78.lesson56-GAN发展.mp4 [23.0 MB] 81.lesson59-JS散度的弊端.mp4 [36.8 MB] 82.lesson60-EM距离.mp4 [17.2 MB] 80.lesson58-纳什均衡-G.mp4 [36.6 MB] 84.lesson62-G和D实现.mp4 [17.3 MB] 77.lesson55-画家的成长历程.mp4 [28.9 MB] 87.lesson65-WGAN-GP实战.mp4 [36.3 MB] 85.lesson63-GAN实战.mp4 [33.3 MB] 83.lesson61-WGAN与WGAN-GP.mp4 [28.8 MB] 76.lesson54-数据分布.mp4 [17.4 MB] 📁 08.多层感知机与分类器 41.lesson28 激活函数与GPU加速.mp4 [39.6 MB] 40.lesson27 全连接层.mp4 [52.1 MB] 39.lesson26 多分类实战.mp4 [35.0 MB] 43.lesson30-Visdom可视化.mp4 [52.8 MB] 38.lesson25 交叉熵.mp4 [72.8 MB] 37.lesson 24 Logistic Regression.mp4 [47.8 MB] 42.lesson29 测试.mp4 [53.8 MB] 📁 02.开发环境准备 2.lesson2-开发环境准备.mp4 [54.5 MB] 📁 12.循环神经网络RNN&LSTM 69.lesson48-RNN Layer使用-2.mp4 [29.9 MB] 72.lesson51-LSTM原理-1.mp4 [33.0 MB] 73.lesson51-LSTM原理-2.mp4 [45.7 MB] 66.lesson47-RNN原理-1.mp4 [28.4 MB] 67.lesson47-RNN原理-2.mp4 [34.9 MB] 75.lesson53-情感分类实战.mp4 [68.6 MB] 70.lesson49-时间序列预测.mp4 [53.3 MB] 68.lesson48-RNN Layer使用-1.mp4 [34.2 MB] 71.lesson50-RNN训练难题.mp4 [55.0 MB] 65.lesson46-时间序列表示.mp4 [53.5 MB] 74.lesson52-LSTM Layer使用.mp4 [28.4 MB] 📁 01.深度学习框架介绍 1.lesson1-PyTorch介绍.mp4 [48.7 MB] 📁 05.张量高阶操作 23.lesson13 数据统计1.mp4 [39.9 MB] 25.lesson14 高阶OP.mp4 [61.9 MB] 21.lesson11 合并与切割2.mp4 [30.8 MB] 19.lesson 10 Broatcasting 2.mp4 [46.2 MB] 24.lesson13 数据统计2.mp4 [54.7 MB] 20.lesson11 合并与切割1.mp4 [46.8 MB] 18.lesson 10 Broatcasting 1.mp4 [57.9 MB] 22.lesson12 基本运算.mp4 [67.1 MB] 📁 10.卷积神经网络CNN 53.lesson38-卷积神经网络-2.mp4 [62.9 MB] 54.lesson38-卷积神经网络-3.mp4 [35.5 MB] 50.lesson37-什么是卷积-1.mp4 [62.8 MB] 52.lesson38-卷积神经网络-1.mp4 [41.4 MB] 51.lesson37-什么是卷积-2.mp4 [39.6 MB] 📁 04.Pytorch张量操作 09.lesson6 基本数据类型2.mp4 [28.2 MB] 15.lesson9 维度变换2.mp4 [40.7 MB] 16.lesson9 维度变换3.mp4 [40.8 MB] 14.lesson9 维度变换1.mp4 [33.1 MB] 13.lesson8 索引与切片2.mp4 [45.4 MB] 11.lesson7 创建Tensor 2.mp4 [44.3 MB] 17.lesson9 维度变换4.mp4 [40.8 MB] 10.lesson7 创建Tensor 1.mp4 [51.6 MB] 12.lesson8 索引与切片1.mp4 [47.2 MB] 08.lesson6 基本数据类型1.mp4 [54.4 MB] 📁 06.随机梯度下降 26.lesson16 什么是梯度1.mp4 [69.2 MB] 28.lesson17 常见梯度.mp4 [18.4 MB] 27.lesson16 什么是梯度2.mp4 [43.3 MB] 31.lesson18 激活函数及其梯度3.mp4 [65.3 MB] 30.lesson18 激活函数及其梯度2.mp4 [44.4 MB] 29.lesson18 激活函数及其梯度1.mp4 [45.5 MB] 📁 09.过拟合 48.lesson34-动量与lr衰减.mp4 [51.5 MB] 45.lesson32-Train-Val-Test-交叉验证-1.mp4 [45.9 MB] 47.lesson33-regularization.mp4 [39.0 MB] 49.lesson35-early stopping, dropout, sgd.mp4 [51.2 MB] 46.lesson32-Train-Val-Test-交叉验证-2.mp4 [32.3 MB] 44.lesson31-过拟合与欠拟合.mp4 [42.5 MB] 📁 03.初见深度学习 3.lesson3-初探Linear Regression案例-1.mp4 [71.9 MB] 7.lesson5 -手写数字问题引入2.mp4 [21.0 MB] 4.lesson3-初探Linear Regression案例-2.mp4 [43.1 MB] 5.lesson4-PyTorch求解Linear Regression案例.mp4 [35.7 MB] 6.lesson5 -手写数字问题引入1.mp4 [36.7 MB] 适合人群 深度学习爱好者 PyTorch初学者 进阶学习人员 学习收获 掌握PyTorch框架 精通深度学习算法 完成深度学习项目 祝您学习愉快！ 学有所成，前程似锦！
