「【九天菜菜】深度学习实战课

算法数学

课程简介

课程定位：不只是调参，而是重建底层直觉这套课程的核心价值在于“从数学本质到工程落地”的完整闭环。市面上多数深度学习教程要么停留在 API 调用层面，要么陷入过于抽象的论文推导。而这门课的独特之处在于，它花费了大量篇幅讲解正向和反向传播的底层逻辑，例如通过亲手推导 GAN 的反向传播、解析 Glorot 初始化条件来解决梯度不平稳问题。这意味着，学习者在遇…

已有 0 人浏览发布 2026-10-14 更新 2026-10-14

课程定位：不只是调参，而是重建底层直觉

这套课程的核心价值在于“从数学本质到工程落地”的完整闭环。市面上多数深度学习教程要么停留在 API 调用层面，要么陷入过于抽象的论文推导。而这门课的独特之处在于，它花费了大量篇幅讲解正向和反向传播的底层逻辑，例如通过亲手推导 GAN 的反向传播、解析 Glorot 初始化条件来解决梯度不平稳问题。这意味着，学习者在遇到模型不收敛或训练效果不佳时，不是盲目尝试换优化器，而是具备从梯度流动角度诊断问题的能力。

此外，课程并未止步于传统的分类任务，而是系统性地覆盖了计算机视觉（ResNet/VGG 复现）、时序预测（LSTM 与多步预测实战）以及当下最热门的大语言模型基础（Transformer 架构与解码器原理）。这种横跨 CV、NLP 和时间序列的广度，配合对 Attention 机制、位置编码等核心概念的去公式化图解，非常适合那些希望建立完整知识图谱，而非仅掌握单一工具链的学习者。

前置要求与分阶学习路径

在开始之前，需要明确这门课不适合完全零基础的小白。学员至少需要掌握 Python 编程基础，并理解基本的线性代数概念（如矩阵乘法、向量空间）。如果能提前熟悉 PyTorch 的基本语法，学习效果会更佳，因为课程中大量涉及 `nn.Sequential`、自定义层及 TensorBoard 可视化的代码实操。

建议的学习顺序如下：

第一阶段：夯实基础（必做）。优先观看关于神经网络诞生发展、最小二乘法优化、以及多分类神经网络的章节。重点要动手复现 AlexNet 和 VGG16 的代码，这是理解后续复杂架构的基石。
第二阶段：攻克难点（选做但推荐）。深入研习 GAN、cGAN 以及 InfoGAN 的原理与实现，特别是判别器的反向传播推导。这部分难度较高，但对于理解生成式 AI 的本质至关重要。
第三阶段：前沿拓展（按需）。若你对大模型感兴趣，务必精读 Transformer 相关章节，尤其是编码器-解码器结构、掩码注意力机制以及 Decoder-Only 架构的演进。这部分内容直接衔接当前 LLM 的核心技术栈。

学后能力与资料配合建议

完成这门课程后，你将具备独立构建中等复杂度深度学习模型的能力。具体表现为：能够手写 CNN 或 LSTM 网络解决图像分类或时序预测任务；能够理解并微调 Transformer 架构用于自然语言处理场景；更重要的是，你拥有了阅读主流深度学习论文并复现其核心模块的工程能力。

资料包中的视频文件体积较大，建议搭配本地环境同步练习。不要仅仅作为“观看”素材，而应将视频中的代码逻辑在本地 Jupyter Notebook 或 IDE 中逐行运行。特别是涉及“多步预测”、“生成对抗网络训练”等环节，必须亲自调试参数，观察损失函数的变化曲线，才能真正内化课堂中讲授的理论知识。对于 Transformer 等大模型部分，建议结合硬件要求说明，评估本地 GPU 资源是否充足，或提前规划云端算力方案。

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]
109_Lesson-18.2.2-(2)-判别器的反向传播.mp4 [201.9 MB]
108_Lesson-18.2.1-(1)-从0实现GAN的反向传播与训练.mp4 [271.9 MB]
52_Lesson-16.2-图像的基本操作.mp4 [579.2 MB]
34_Lesson-12.2-可视化工具TensorBoard的安装与使用.mp4 [387.5 MB]
17_Lesson-8.5-多分类神经网络.mp4 [531.9 MB]
01_Lesson-0.1-GPU购买与GPU白嫖指南.mp4 [142.3 MB]
09_Lesson-6-动态计算图与梯度下降入门.mp4 [1.5 GB]
18_Lesson-9.1-从异或门问题认识多层神经网络.mp4 [732.2 MB]
35_Lesson-12.3-线性回归建模实验【整理分享‖关注公众号 CunWorkNotes】.mp4 [569.7 MB]
148_Lesson-20.1.2.2-LSTM的架构：解决权重冲突与输出门.mp4 [93.2 MB]
165_Lesson-24.3.3-开源微调框架入门介绍【整理分享‖关注公众号 CunWorkNotes】.mp4 [209.4 MB]
175_Lesson-24.8.2-提示工程技术入门【精心整理‖更多资源关注 CunWorkNotes】.mp4 [108.2 MB]
199_Lesson-20.1.5.12-股价数据中影响建模的关键业务特征【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4 [129.1 MB]
169_Lesson-24.6.2-本地调用OpenAI-API方法【精心整理‖更多资源关注 CunWorkNotes】.mp4 [89.2 MB]
149_Lesson-20.1.2.3-LSTM中的浅层数学讨论.mp4 [94.8 MB]
83_【直播加餐】03-PyTorch中的LSTM参数简介_v【精心整理‖更多资源关注 CunWorkNotes】.mp4 [132.4 MB]
78_Lesson-17.3.2-将二维表及其他结构转化为四维tensor【资源整理‖公众号 CunWorkNotes】.mp4 [596.8 MB]
47_Lesson-14.2-Batch-Normalization在PyTorch中的实现.mp4 [1.2 GB]
31_Lesson-11.5.2-在Fashion-MNIST数据集上实现完整的神经网络（下）【资源整理‖公众号 CunWorkNotes】.mp4 [1017.7 MB]
20_Lesson-9.3-&-9.4-层与激活函数【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4 [262.0 MB]
14_Lesson-8.2-torch.nn.Linear实现单层回归网络的正向传播.mp4 [318.4 MB]
61_Lesson-16.8.1-感受野（上）：定义与性质.mp4 [617.0 MB]
99_Lesson-17.11(2)-案例1：数据与架构【整理分享‖关注公众号 CunWorkNotes】.mp4 [668.5 MB]
115_Lesson-18.3.2-转置卷积层与DCGAN(3)：DCGAN架构复现-(下).mp4 [143.2 MB]
125_Lesson-18.4.2-变分自动编码器(3)：重参数化技巧.mp4 [115.8 MB]
178_Lesson-24.9.3-Few-shot-CoT提示法.mp4 [72.7 MB]
192_Lesson-20.1.5.5-【Q&A】时序数据滑窗分割的Q&A.mp4 [61.8 MB]
214【Transformer】 Transformer与注意力机制入门.mp4 [122.1 MB]
228【Transformer】 编码-解码注意力层.mp4 [142.8 MB]
227【Transformer】 填充掩码与前瞻掩码的实现.mp4 [210.7 MB]
223【Transformer】编码器结构详解之前馈神经网络FFN【整理分享‖关注公众号 CunWorkNotes】.mp4 [99.2 MB]
218【Transformer】Embedding与位置编码【精心整理‖更多资源关注 CunWorkNotes】.mp4 [178.2 MB]
210_Lesson-20.1.5.23-股价数据的完整预处理&特征衍生流程【资源整理‖公众号 CunWorkNotes】.mp4 [201.2 MB]
196_Lesson-20.1.5.9-【Q&A】关于多步预测的Q&A【精心整理‖更多资源关注 CunWorkNotes】.mp4 [35.5 MB]
191_Lesson-20.1.5.4-面板数据的带标签滑窗法【精心整理‖更多资源关注 CunWorkNotes】.mp4 [136.1 MB]
183_Lesson-24.11.1-Chat-Completion模型背景介绍【整理分享‖关注公众号 CunWorkNotes】.mp4 [124.4 MB]
177_Lesson-24.9.2-Zero-shot-CoT提示法.mp4 [126.4 MB]
173_Lesson-24.7.4-手动创建可调节对话风格的对话机器人.mp4 [84.5 MB]
152_Lesson-20.1.3.2-nn.LSTM层的输入与输出【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4 [126.5 MB]
138_Lesson-19.3.4.4-自定义循环层中的循环数据流.mp4 [86.8 MB]
132_Lesson-19.2.3-文字序列数据---Token与编码【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4 [146.5 MB]
119_Lesson-18.3.3-cGAN与infoGAN-(3)-从0复现一个cGAN架构.mp4 [232.4 MB]
118_Lesson-18.3.3-cGAN与InfoGAN(2)-标签输入与Embed技巧【精心整理‖更多资源关注 CunWorkNotes】.mp4 [314.9 MB]
111_Lesson-18.3.1-转置卷积层与DCGAN(1)：基本原理与实现.mp4 [278.4 MB]
106_Lesson-17.11(9)-模型调优(2)：对抗过拟合，其他可探索的方向【整理分享‖关注公众号 CunWorkNotes】.mp4 [255.1 MB]
96_Lesson-17.9-有监督算法的预训练.迁移学习.mp4 [688.2 MB]
72_Lesson-16.17.2-ResNet的复现-(2)-：卷积块、残差块、瓶颈架构.mp4 [1.0 GB]
71_Lesson-16.17.1-ResNet的复现-(1)-：架构中的陷阱【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4 [461.8 MB]
70_Lesson-16.16-残差网络：思想与具体架构【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4 [553.9 MB]
65_Lesson-16.11-分组卷积与深度可分离卷积.mp4 [392.9 MB]
62_Lesson-16.8.2-感受野（下）：膨胀卷积，计算感受野大小【资源整理‖公众号 CunWorkNotes】.mp4 [675.6 MB]
57_Lesson-16.5.3-在PyTorch中实现卷积网络：池化层，BN与Dropout【精心整理‖更多资源关注 CunWorkNotes】.mp4 [468.0 MB]
55_Lesson-16.5.1-在Pytorch中实现卷积网络：卷积核、输入通与特征图.mp4 [444.9 MB]
54_Lesson-16.4-卷积遇见深度学习【精心整理‖更多资源关注 CunWorkNotes】.mp4 [291.3 MB]
50_Lesson-15.2-学习率调度在PyTorch中的实现方法【整理不易‖关注公众号 CunWorkNotes 获取更多】.mp4 [885.4 MB]
49_Lesson-15.1-学习率调度基本概念与手动实现方法【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4 [895.1 MB]
41_Lesson-13.3.1-梯度不平稳性与Glorot条件（1）.mp4 [624.9 MB]
29_Lesson-11.4-开始迭代：batch与epochs【精心整理‖更多资源关注 CunWorkNotes】.mp4 [674.4 MB]
28_Lesson-11.3-走出第一步：动量法Momentum.mp4 [655.7 MB]
26_Lesson-11.2.1-反向传播的原理【资源整理‖公众号 CunWorkNotes】.mp4 [505.3 MB]
24_Lesson-10.3-多分类交叉熵的原理与实现.mp4 [487.4 MB]
22_Lesson-10.1-SSE与二分类交叉熵损失【整理分享‖关注公众号 CunWorkNotes】.mp4 [222.6 MB]
21_Lesson-9.5-从0实现深度神经网络的正向传播.mp4 [997.9 MB]
06_Lesson-3-张量的广播和科学运算【整理分享‖关注公众号 CunWorkNotes】.mp4 [312.3 MB]
05_Lesson-2-张量的索引、分片、合并及维度调整【免费分享‖获取更多关注公众号 CunWorkNotes】.mp4 [305.2 MB]