深度学习入门最常见的问题不是算法本身而是路线混乱。打开搜索页神经网络、卷积网络、Transformer、PyTorch会同时出现在眼前视频课程动辄上百集收藏夹越来越满真正打开命令行时却不知道先装环境还是先补数学。解决这个问题靠的不是“再多看几遍”而是建立一条有依赖关系的主线先理解神经网络如何通过反向传播更新参数再用卷积网络处理图像再用注意力机制处理长序列和全局关系最后用 PyTorch 把每一部分都跑成可验证的代码。15 天入门到起飞并不是要把所有视频刷完而是按主线完成三件事搭好环境、跑通最小模型、能看懂训练日志。本文按“概念 - 环境 - 实现 - 验证 - 排错 - 优化”的顺序展开前两周分别用 MNIST 和 CIFAR-10 作为验证数据集第三周进入 Transformer 机制与最小实现最后给出高频报错排查路径和工程化建议。1. 先理清路线为什么神经网络、卷积网络、Transformer 是一条主线1.1 神经网络是整个链条的地基深度学习里反复出现的反向传播、梯度下降、激活函数、损失函数、优化器几乎全部来自神经网络。一个最简单的神经网络由线性变换加非线性激活组成线性变换负责把输入向量映射到新的空间。激活函数负责引入非线性否则多层线性变换等价于一层。损失函数衡量预测和真实值的差距。反向传播计算每个参数对损失的梯度。优化器根据梯度更新参数。先掌握这些概念再看卷积网络和 Transformer会发现它们只是在“神经网络如何组织连接”上做了不同设计。如果一上来直接读 Transformer 论文里面的 Q、K、V 和层归一化会让人困惑因为你还不清楚它为什么要比全连接层复杂。1.2 卷积网络解决的是图像里“参数爆炸”的问题把一张 32x32 的彩色图片展开成向量长度是 3072接一个 1024 维全连接层参数就有约 300 万个。真实图片分辨率更高全连接层的参数量会大到无法训练。卷积网络通过两个机制压缩参数局部连接每个卷积核只观察输入的一小块区域。权值共享同一个卷积核在整张图上滑动提取同一种局部特征。这种设计天然适合图像因为图像中的边缘、纹理、颜色变化都是局部模式。CNN 也因此成为计算机视觉的基础模型后来出现的 Swin Transformer 等视觉 Transformer 也在很多场景下保留了卷积的归纳偏置思路。1.3 Transformer 解决的是长序列建模问题在 Transformer 出现之前RNN、LSTM 是处理文本和时间序列的主流模型。它们的问题是按顺序处理输入序列越长计算越慢且容易丢失早期信息。注意力机制允许每个位置直接和序列中所有位置计算相关性从而并行处理整个序列并捕捉长距离依赖。Transformer 不依赖循环结构而是依靠“查询-键-值”机制获得全局上下文。因为这个特性它成了大模型的核心结构。理解 Transformer不只是为了看懂热门模型更是为了理解当前深度学习在文本、图像、语音、时间序列上的通用底座。1.4 15 天学习计划表每天完成一个可验证的小目标阶段时间核心内容可运行成果验收标准环境与基础第 1-3 天Python、PyTorch 安装、张量、自动求导、线性层、激活函数在 PyTorch 中完成一次反向传播能打印出x.grad神经网络实战第 4-6 天损失函数、优化器、训练循环、DataLoader用两层神经网络训练 MNISTloss 下降训练集准确率超过 90%卷积网络实战第 7-11 天卷积、池化、填充、图像分类、过拟合排查用 CNN 训练 CIFAR-10测试集准确率超过 60%Transformer 实战第 12-15 天注意力机制、位置编码、多头注意力、TransformerEncoder实现一个迷你 Transformer 分类器loss 下降预测结果符合预期每天的时间建议按 1 小时概念理解、2 小时代码实践、半小时笔记整理来分配。不要追求看完所有资料每天能跑通一个代码并知道它为什么能跑通就完成了当天的目标。2. 第 1 周神经网络基础与 PyTorch 环境搭建2.1 先确认 Python、CUDA 与 PyTorch 版本不管是什么操作系统建议都用虚拟环境隔离项目依赖。使用 conda 创建环境可以避免 system Python 被污染conda create -n deepintro python3.10 -y conda activate deepintroCPU 环境在学习和理解算法阶段完全够用。如果电脑有 NVIDIA 显卡先执行nvidia-smi确认驱动和 CUDA 版本nvidia-smi输出中顶部会显示 CUDA Version比如 12.1。安装 PyTorch 时以官网给出的匹配命令为准。CPU 版本示例pip install torch torchvision --index-url https://download.pytorch.org/whl/cpuGPU 版本示例pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121安装完成后用一行代码验证环境是否可用python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True说明 CUDA 环境正常如果输出False接下来所有练习还是可以基于 CPU 完成只是训练需要更长时间。环境项推荐值说明Python3.10 或 3.11PyTorch 2.x 支持较好PyTorch2.x 稳定版先看官网选择匹配版本CUDAGPU 环境以nvidia-smi显示为准驱动保持最新避免版本冲突torchvision与 torch 版本对应包含 MNIST、CIFAR-10 等数据集接口2.2 最小代码张量与自动求导PyTorch 的核心不是把模型写出来而是自动求导。你只需要定义计算过程框架会记录运算图并计算梯度。import torch x torch.tensor([2.0, 3.0], requires_gradTrue) y x.pow(2).sum() y.backward() print(x.grad)预期输出是tensor([4., 6.])。x.pow(2)的导数是2*x所以 2 对应 43 对应 6。这段代码说明了三件事requires_gradTrue表示要追踪这个张量上的运算。backward()从损失开始反向传播。x.grad保存每个输入对y的梯度。理解这个机制后训练神经网络就只是一个循环前向计算损失、反向传播梯度、优化器更新参数。2.3 跑通一个完整训练循环两层网络训练 MNISTMNIST 是 28x28 的手写数字灰度图共 10 类。它是最适合入门的数据集因为你可以在 CPU 上几秒内完成一次训练。import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision import datasets, transforms transform transforms.ToTensor() train_data datasets.MNIST(root./data, trainTrue, downloadTrue, transformtransform) train_loader DataLoader(train_data, batch_size64, shuffleTrue) model nn.Sequential( nn.Flatten(), nn.Linear(28 * 28, 128), nn.ReLU(), nn.Linear(128, 10), ) loss_fn nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr0.001) for epoch in range(3): total_loss 0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss loss_fn(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() print(fepoch {epoch 1}, avg_loss{total_loss / len(train_loader):.4f})关键点有三个。第一optimizer.zero_grad()必须放在反向传播之前否则梯度会累积。第二nn.CrossEntropyLoss()内部已经包含 softmax不需要在模型最后再手动加 softmax。第三DataLoader会自动把数据拆成 batchbatch_size影响显存占用和训练稳定性。2.4 验证loss 下降只是第一步还要看准确率loss 下降只能说明模型在“学”不能说明分类准。需要单独统计正确率correct 0 total 0 with torch.no_grad(): for images, labels in train_loader: outputs model(images) preds outputs.argmax(dim1) correct (preds labels).sum().item() total labels.size(0) print(ftrain accuracy: {correct / total:.4f})两层网络训练 3 轮后训练集准确率通常可以达到 95% 以上具体数值取决于随机初始化。使用with torch.no_grad()是为了在评估时不构建计算图避免浪费内存和算力。这一周最常遇到的坑是忘记zero_grad()导致 loss 反复震荡另一个是把数据直接输入网络而没有用Flatten()导致Linear层收到三维张量报 shape 错误。3. 第 2 周卷积神经网络与图像实战3.1 从全连接到卷积局部连接、权值共享、平移不变性卷积层保持输入的空间结构不把图像展开成一维向量。每个卷积核是一个小窗口比如 3x3在图像上滑动并计算点积。局部连接每个输出值只看输入对应位置的局部区域。权值共享同一个卷积核在所有位置复用因此参数量只和卷积核尺寸、输入输出通道数有关和图片大小无关。平移不变性同一类特征无论出现在图像左上角还是右下角都会被同一个卷积核检测到。padding的作用是控制特征图尺寸。kernel_size3, padding1时输出尺寸和输入尺寸保持一致。stride控制滑动步长步长大于 1 可以主动降采样。MaxPool2d是常见的下采样方式它取局部区域最大值保留显著特征并减少计算量。3.2 用 PyTorch 搭建 CNN 训练 CIFAR-10CIFAR-10 是 32x32 的彩色图像共 10 类比 MNIST 更难。下面的模型包含两个卷积块和一个分类头import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 16, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(16, 32, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(32 * 8 * 8, 10), ) def forward(self, x): return self.classifier(self.features(x))输入是 3 通道的 32x32 图片。第一个MaxPool2d(2)后变成 16x16第二个之后变成 8x8所以Flatten后维度是32 * 8 * 8。这个数字不是猜出来的而是根据输入尺寸和池化次数推导出来的。实际项目里可以用一行代码打印中间 shape 来确认import torch x torch.randn(1, 3, 32, 32) model SimpleCNN() print(model.features(x).shape)输出torch.Size([1, 32, 8, 8])与全连接层的输入对应。加载 CIFAR-10 时要注意归一化。图像像素在 0 到 255 之间ToTensor()会缩放到 0 到 1。为了让数据分布更稳定通常还要用数据集的均值和标准差做标准化from torchvision import datasets, transforms transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616)), ]) train_data datasets.CIFAR10(root./data, trainTrue, downloadTrue, transformtransform)训练循环可以复用第 2.3 节的代码。如果继续用 Adamlr0.001是一个稳妥起点如果用 SGD一般需要更小学习率并搭配动量。3.3 Conv2d 参数速查表参数含义常见值错误表现in_channels输入通道数灰度图为 1RGB 为 3输入通道不匹配会直接报错out_channels卷积核数量也是输出通道数16、32、64输出通道过多导致显存压力大kernel_size卷积核大小3、5感受野改变特征尺度变化stride滑动步长1、2步长过大会丢失细节padding输入边缘填充0、1特征图尺寸会变小bias是否加偏置True影响参数量和表达能力3.4 用 TensorBoard 观察训练曲线只盯着终端里的 loss 数字很难判断过拟合和训练是否稳定。建议从第一天开始就使用 TensorBoardpip install tensorboard在训练循环中写入指标from torch.utils.tensorboard import SummaryWriter writer SummaryWriter(runs/cnn_cifar10) step 0 for epoch in range(10): for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss loss_fn(outputs, labels) loss.backward() optimizer.step() step 1 writer.add_scalar(train/loss, loss.item(), step)启动命令tensorboard --logdir runs打开终端输出的地址就能看到 loss 曲线。如果训练集 loss 一直下降测试集准确率却停滞或下降就说明过拟合。常见缓解方式是增加数据增强、加入 Dropout、降低模型容量或提前停止训练。CIFAR-10 的简单 CNN 训练十几个 epoch 后测试准确率参考值在 60% 到 70% 之间具体取决于随机种子、数据增强和优化器设置。不要和三年前的 SOTA 结果比这一阶段的目标是验证“模型确实在学而且没写错”。4. 第 3 周Transformer 机制与进阶实践4.1 注意力机制用“查询、键、值”理解注意力机制可以理解为在一个数据库里做检索。给定一个问题即查询向量 query和所有候选答案的标识 key先计算 query 和每个 key 的相似度再用相似度作为权重去加权求和对应 value。缩放点积注意力的公式为Attention(Q, K, V) softmax(Q * K^T / sqrt(d_k)) * V用 PyTorch 实现最小版本import torch import torch.nn.functional as F def attention(query, key, value): d_k query.size(-1) scores torch.matmul(query, key.transpose(-2, -1)) / (d_k ** 0.5) weights F.softmax(scores, dim-1) return torch.matmul(weights, value)除以sqrt(d_k)是为了防止点积结果过大导致 softmax 进入梯度饱和区。初学者最容易忽略这一步。4.2 Transformer 的核心组件一个标准的 Transformer 编码器由以下部分组成Embedding把离散 token 映射为连续向量。位置编码给每个位置注入顺序信息。最简单的方法是使用可学习的位置编码经典实现是正弦位置编码。多头注意力把 Q、K、V 投影到多个子空间分别计算注意力再拼接线性变换让模型能关注不同关系。前馈网络对每个位置的表示做逐位置非线性变换一般是两层 Linear 加 ReLU。LayerNorm 和残差连接稳定训练缓解深层网络梯度问题。理解 Transformer 时不要一次性陷进所有细节先看完整的模块连接关系再逐步拆解多头注意力。实际工作中大多数场景不需要从零造轮子直接使用 PyTorch 的nn.TransformerEncoderLayer就足够。4.3 用 PyTorch 实现一个迷你 Transformer 分类器下面是一个文本二分类的最小模型。这里使用可学习位置编码适合入门经典论文里的正弦位置编码在代码仓库中更容易找到。import torch import torch.nn as nn class MiniTransformerClassifier(nn.Module): def __init__(self, vocab_size, d_model64, nhead4, num_layers2, num_classes2, max_len128): super().__init__() self.embedding nn.Embedding(vocab_size, d_model) self.pos_encoding nn.Parameter(torch.randn(1, max_len, d_model)) encoder_layer nn.TransformerEncoderLayer( d_modeld_model, nheadnhead, batch_firstTrue, ) self.encoder nn.TransformerEncoder(encoder_layer, num_layersnum_layers) self.classifier nn.Linear(d_model, num_classes) def forward(self, x): emb self.embedding(x) self.pos_encoding[:, : x.size(1), :] hidden self.encoder(emb) return self.classifier(hidden.mean(dim1))使用说明batch_firstTrue让输入形状是(batch, sequence_length)更符合 PyTorch 常见习惯。hidden.mean(dim1)是对序列所有位置取平均作为整句表示再送入分类器。如果处理文本需要先把句子转成 token id 列表并保证同 batch 内等长。构造一个很小的训练数据sentences [ (good movie and great plot, 1), (bad film and boring story, 0), ] vocab {} for text, _ in sentences: for word in text.split(): if word not in vocab: vocab[word] len(vocab) def encode(text, max_len8): ids [vocab[word] for word in text.split()] ids ids[:max_len] ids [0] * (max_len - len(ids)) return torch.tensor(ids, dtypetorch.long) x torch.stack([encode(text) for text, _ in sentences]) y torch.tensor([label for _, label in sentences]) model MiniTransformerClassifier(vocab_sizelen(vocab), d_model32, nhead2) output model(x) print(output.shape)这里用0作为 padding id但模型内部没有 padding mask。在真实项目中遇到变长 batch 时通常会生成 attention mask避免 padding 位置参与注意力计算。这个细节可以作为第三周的扩展练习。训练循环仍可复用第 2.3 节的结构唯一区别是输入从图像变成了 token id 张量。4.4 进阶扩展TCN、Swin Transformer 与浮点数格式选型Transformer 并不是唯一的序列建模方案。TCN即时间卷积网络使用因果卷积和膨胀卷积处理时间序列在股票预测、传感器数据预测等场景中被频繁使用。它的优点是结构简单、训练稳定缺点是感受野受卷积层数和膨胀系数限制。入门阶段可以用“TCN Transformer 预测股票价格”的公开案例来练习数据处理和预测评估但不要把它当作投资建议这类项目更适合学习特征工程、序列切分和模型评估。视觉方向可以继续阅读 Swin Transformer。它在窗口内计算注意力窗口之间通过移动窗口完成信息交互解决了直接在整张图上计算注意力导致的计算量过大的问题。训练和部署阶段都会遇到浮点数格式选择。常见的四种格式如下格式位数特点典型场景fp3232精度高范围广默认格式学习和稳定训练fp1616节省显存动态范围小需要 loss scaling混合精度训练bf1616动态范围接近 fp32精度较低大模型训练tf32不用于存储NVIDIA Tensor Core 上的截断格式降低计算精度提升吞吐大规模矩阵运算加速学习阶段默认使用 fp32。显存不足或在训练大模型时可以使用混合精度scaler torch.cuda.amp.GradScaler() for images, labels in train_loader: optimizer.zero_grad() with torch.autocast(device_typecuda, dtypetorch.float16): outputs model(images) loss loss_fn(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()这个写法只在 CUDA 环境有效。CPU 环境直接使用 fp32 即可。5. 高频报错与排查路径15 天内最常遇到的坑5.1 PyTorch 安装后torch.cuda.is_available()为 False现象代码能运行但训练速度很慢打印 CUDA 状态时输出 False。可能原因安装的是 CPU 版 PyTorchNVIDIA 驱动版本过低GPU 硬件过老或非 NVIDIA 显卡。检查方式nvidia-smi python -c import torch; print(torch.__version__)处理建议先确认显卡是否为 NVIDIA GPU再确认torch.__version__中是否包含cu118或cu121等标识如果不包含重新按官网命令安装 GPU 版本。AMD 或 Intel 显卡则要查找对应 ROCm 或其他后端说明不能照搬 NVIDIA 的安装命令。5.2 张量形状不匹配现象RuntimeError: mat1 and mat2 shapes cannot be multiplied可能原因全连接层的输入维度和上一层的输出不一致卷积层的通道数填错nn.Flatten()放错位置。处理方式在模型forward里临时打印 shape分步确认def forward(self, x): x self.features(x) print(x.shape) return self.classifier(x)推荐做法先写清楚每一层输入输出的推导公式再写代码。比如 CIFAR-10 经过两个MaxPool2d(2)尺寸从 32 变成 8通道数是 32因此Linear的输入是32 * 8 * 8。5.3 CUDA out of memory现象RuntimeError: CUDA out of memory.可能原因batch_size过大输入图片尺寸过大多个进程同时占用显存模型在训练后没有释放计算图。处理建议调小batch_size比如从 64 降到 32 或 16。降低输入图片分辨率。检查是否有其他进程占用 GPUnvidia-smi在评估代码中使用with torch.no_grad()减少显存占用。确实需要大 batch 时可以使用梯度累积将多个小 batch 的梯度累加后再更新参数。5.4 训练 loss 不下降或出现 NaN可能原因学习率过大梯度更新不稳定数据没有归一化损失函数和模型输出不匹配标签编码错误。排查顺序打印第一个 batch 的 loss确认不是数据问题。尝试小学习率比如1e-4。检查数据中是否存在 NaN 或极端值。确认分类任务使用了CrossEntropyLoss标签是整数索引而不是 one-hot。如果使用 float16 训练检查是否遗漏了GradScaler。5.5 过拟合训练集准确率很高测试集准确率低这是样本数量少时最常见的现象也是“深度学习样本数量少的缺点”的直接体现。处理思路按优先级排列优先级方法说明1增加数据增强随机裁剪、翻转、旋转等扩大有效数据分布2降低模型容量减少卷积核数量或隐藏层宽度3加入 Dropout在分类头之前加nn.Dropout(0.5)4早停监控验证集指标不再下降时停止训练5迁移学习使用 ImageNet 预训练模型做微调而不是从零训练6. 从 15 天练习到工程化资料选择、环境差异与长期路线6.1 学习资料选择官方文档优先视频只做辅助入门阶段最重要的资料是 PyTorch 官方教程和torchvision自带的示例代码。官方文档的代码能运行、能验证且版本同步。视频课程的优点是讲解直观缺点是容易让人产生“看懂了”的错觉。更有效的学习方式是“最小闭环法”每学一个模型立刻找一个公开数据集跑通记录 loss 曲线、准确率和碰到的问题。不要同时开三本书也不要从一个零散项目跳到另一个零散项目。推荐记录格式模型结构数据来源和预处理方式超参数batch_size、学习率、epoch 数训练集 loss 曲线测试集指标下一次想改变什么6.2 学习环境与生产环境的差异学习环境可以很随意CPU 或单显卡、小数据集、不追求效率。生产环境必须额外考虑数据管线是否稳定训练数据是否带版本。日志是否完整能否定位到具体训练步骤。模型版本是否记录谁改过结构、改过参数。推理延迟和吞吐是否满足业务要求。模型异常时如何回滚。数据分布发生变化时如何监控。学习代码里最常见的“只保证能跑”的写法在生产里都要打上补丁。例如训练脚本里直接写死路径、不保存 checkpoint、不记录超参数这些在 15 天练习阶段可以接受但进入真实项目前要补全。6.3 不同学科背景的补充学习建议如果数学基础偏弱不需要先把所有数学课学完再开始。按需要补线性代数重点看矩阵乘法、维度变化卷积和注意力都用得到。概率统计重点看 softmax、交叉熵、采样理解模型输出如何解释为概率。微积分重点看链式法则它是反向传播的基础。如果 Python 基础偏弱先补numpy、列表推导、函数定义、文件读写和调试技能。深度学习的代码 60% 时间花在数据清洗和 shape 调整上Python 基本功直接决定效率。如果是物理、材料、金融、医学等非计算机背景可以把精力放在“如何把本专业问题变成输入输出映射”。比如物理问题可以用 PINN物理信息神经网络建模偏微分方程材料数据可以用图神经网络 GNN 表示分子结构金融时序数据可以用 TCN 或 Transformer 做预测。这些方向都需要先有前 15 天的主线基础再进入领域定制。6.4 15 天后的延伸方向15 天学完并不是终点。真正让新手和熟练开发者拉开差距的是每次训练结束后能不能说明白为什么收敛、为什么卡住以及下一步该改什么。可以选择的延伸方向视觉方向继续学习 Swin Transformer、目标检测模型、图像分割。序列方向继续学习 LSTM、TCN、Transformer 的时间序列预测。图数据方向学习图神经网络 GNN处理社交网络、知识图谱和分子结构。物理融合方向学习 PINN理解如何把物理方程作为约束加入训练。工业部署方向学习 ONNX 导出、fp16/bf16 量化、TensorRT 和 GPU 加速推理。大模型方向学习预训练、微调、LoRA、RLHF 的基础链路。6.5 可复用清单环境检查清单[ ] Python 版本与虚拟环境是否激活。[ ] PyTorch 版本是否与 CUDA 匹配。[ ]nvidia-smi输出是否正常。[ ]torch.cuda.is_available()是否输出 True或者确认 CPU 环境可用。训练前检查清单[ ] 输入数据的 shape 是否符合模型要求。[ ] 是否做了归一化或标准化。[ ] 损失函数是否和任务类型匹配。[ ] 优化器是否创建在model.parameters()上。[ ] 每次迭代是否调用了optimizer.zero_grad()。[ ] 是否保存了 checkpoint路径和命名是否包含轮次。收尾评估清单[ ] 训练集和测试集都统计了准确率或对应指标。[ ] 记录了训练过程中的 loss 曲线。[ ] 保存了模型结构和超参数信息。[ ] 必要时导出混淆矩阵确认哪些类别最容易混淆。[ ] 写下一轮实验的修改点而不是盲目调参。建议用固定模板记录每一次实验。坚持记录三个完整项目后你会发现自己能快速定位问题也能在面试和实际协作中清楚描述自己的训练过程。那时的“入门”才算真正结束。
深度学习入门最常见的问题不是算法本身而是路线混乱。打开搜索页神经网络、卷积网络、Transformer、PyTorch会同时出现在眼前视频课程动辄上百集收藏夹越来越满真正打开命令行时却不知道先装环境还是先补数学。解决这个问题靠的不是“再多看几遍”而是建立一条有依赖关系的主线先理解神经网络如何通过反向传播更新参数再用卷积网络处理图像再用注意力机制处理长序列和全局关系最后用 PyTorch 把每一部分都跑成可验证的代码。15 天入门到起飞并不是要把所有视频刷完而是按主线完成三件事搭好环境、跑通最小模型、能看懂训练日志。本文按“概念 - 环境 - 实现 - 验证 - 排错 - 优化”的顺序展开前两周分别用 MNIST 和 CIFAR-10 作为验证数据集第三周进入 Transformer 机制与最小实现最后给出高频报错排查路径和工程化建议。1. 先理清路线为什么神经网络、卷积网络、Transformer 是一条主线1.1 神经网络是整个链条的地基深度学习里反复出现的反向传播、梯度下降、激活函数、损失函数、优化器几乎全部来自神经网络。一个最简单的神经网络由线性变换加非线性激活组成线性变换负责把输入向量映射到新的空间。激活函数负责引入非线性否则多层线性变换等价于一层。损失函数衡量预测和真实值的差距。反向传播计算每个参数对损失的梯度。优化器根据梯度更新参数。先掌握这些概念再看卷积网络和 Transformer会发现它们只是在“神经网络如何组织连接”上做了不同设计。如果一上来直接读 Transformer 论文里面的 Q、K、V 和层归一化会让人困惑因为你还不清楚它为什么要比全连接层复杂。1.2 卷积网络解决的是图像里“参数爆炸”的问题把一张 32x32 的彩色图片展开成向量长度是 3072接一个 1024 维全连接层参数就有约 300 万个。真实图片分辨率更高全连接层的参数量会大到无法训练。卷积网络通过两个机制压缩参数局部连接每个卷积核只观察输入的一小块区域。权值共享同一个卷积核在整张图上滑动提取同一种局部特征。这种设计天然适合图像因为图像中的边缘、纹理、颜色变化都是局部模式。CNN 也因此成为计算机视觉的基础模型后来出现的 Swin Transformer 等视觉 Transformer 也在很多场景下保留了卷积的归纳偏置思路。1.3 Transformer 解决的是长序列建模问题在 Transformer 出现之前RNN、LSTM 是处理文本和时间序列的主流模型。它们的问题是按顺序处理输入序列越长计算越慢且容易丢失早期信息。注意力机制允许每个位置直接和序列中所有位置计算相关性从而并行处理整个序列并捕捉长距离依赖。Transformer 不依赖循环结构而是依靠“查询-键-值”机制获得全局上下文。因为这个特性它成了大模型的核心结构。理解 Transformer不只是为了看懂热门模型更是为了理解当前深度学习在文本、图像、语音、时间序列上的通用底座。1.4 15 天学习计划表每天完成一个可验证的小目标阶段时间核心内容可运行成果验收标准环境与基础第 1-3 天Python、PyTorch 安装、张量、自动求导、线性层、激活函数在 PyTorch 中完成一次反向传播能打印出x.grad神经网络实战第 4-6 天损失函数、优化器、训练循环、DataLoader用两层神经网络训练 MNISTloss 下降训练集准确率超过 90%卷积网络实战第 7-11 天卷积、池化、填充、图像分类、过拟合排查用 CNN 训练 CIFAR-10测试集准确率超过 60%Transformer 实战第 12-15 天注意力机制、位置编码、多头注意力、TransformerEncoder实现一个迷你 Transformer 分类器loss 下降预测结果符合预期每天的时间建议按 1 小时概念理解、2 小时代码实践、半小时笔记整理来分配。不要追求看完所有资料每天能跑通一个代码并知道它为什么能跑通就完成了当天的目标。2. 第 1 周神经网络基础与 PyTorch 环境搭建2.1 先确认 Python、CUDA 与 PyTorch 版本不管是什么操作系统建议都用虚拟环境隔离项目依赖。使用 conda 创建环境可以避免 system Python 被污染conda create -n deepintro python3.10 -y conda activate deepintroCPU 环境在学习和理解算法阶段完全够用。如果电脑有 NVIDIA 显卡先执行nvidia-smi确认驱动和 CUDA 版本nvidia-smi输出中顶部会显示 CUDA Version比如 12.1。安装 PyTorch 时以官网给出的匹配命令为准。CPU 版本示例pip install torch torchvision --index-url https://download.pytorch.org/whl/cpuGPU 版本示例pip install torch torchvision --index-url https://download.pytorch.org/whl/cu121安装完成后用一行代码验证环境是否可用python -c import torch; print(torch.__version__, torch.cuda.is_available())如果输出True说明 CUDA 环境正常如果输出False接下来所有练习还是可以基于 CPU 完成只是训练需要更长时间。环境项推荐值说明Python3.10 或 3.11PyTorch 2.x 支持较好PyTorch2.x 稳定版先看官网选择匹配版本CUDAGPU 环境以nvidia-smi显示为准驱动保持最新避免版本冲突torchvision与 torch 版本对应包含 MNIST、CIFAR-10 等数据集接口2.2 最小代码张量与自动求导PyTorch 的核心不是把模型写出来而是自动求导。你只需要定义计算过程框架会记录运算图并计算梯度。import torch x torch.tensor([2.0, 3.0], requires_gradTrue) y x.pow(2).sum() y.backward() print(x.grad)预期输出是tensor([4., 6.])。x.pow(2)的导数是2*x所以 2 对应 43 对应 6。这段代码说明了三件事requires_gradTrue表示要追踪这个张量上的运算。backward()从损失开始反向传播。x.grad保存每个输入对y的梯度。理解这个机制后训练神经网络就只是一个循环前向计算损失、反向传播梯度、优化器更新参数。2.3 跑通一个完整训练循环两层网络训练 MNISTMNIST 是 28x28 的手写数字灰度图共 10 类。它是最适合入门的数据集因为你可以在 CPU 上几秒内完成一次训练。import torch import torch.nn as nn from torch.utils.data import DataLoader from torchvision import datasets, transforms transform transforms.ToTensor() train_data datasets.MNIST(root./data, trainTrue, downloadTrue, transformtransform) train_loader DataLoader(train_data, batch_size64, shuffleTrue) model nn.Sequential( nn.Flatten(), nn.Linear(28 * 28, 128), nn.ReLU(), nn.Linear(128, 10), ) loss_fn nn.CrossEntropyLoss() optimizer torch.optim.Adam(model.parameters(), lr0.001) for epoch in range(3): total_loss 0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss loss_fn(outputs, labels) loss.backward() optimizer.step() total_loss loss.item() print(fepoch {epoch 1}, avg_loss{total_loss / len(train_loader):.4f})关键点有三个。第一optimizer.zero_grad()必须放在反向传播之前否则梯度会累积。第二nn.CrossEntropyLoss()内部已经包含 softmax不需要在模型最后再手动加 softmax。第三DataLoader会自动把数据拆成 batchbatch_size影响显存占用和训练稳定性。2.4 验证loss 下降只是第一步还要看准确率loss 下降只能说明模型在“学”不能说明分类准。需要单独统计正确率correct 0 total 0 with torch.no_grad(): for images, labels in train_loader: outputs model(images) preds outputs.argmax(dim1) correct (preds labels).sum().item() total labels.size(0) print(ftrain accuracy: {correct / total:.4f})两层网络训练 3 轮后训练集准确率通常可以达到 95% 以上具体数值取决于随机初始化。使用with torch.no_grad()是为了在评估时不构建计算图避免浪费内存和算力。这一周最常遇到的坑是忘记zero_grad()导致 loss 反复震荡另一个是把数据直接输入网络而没有用Flatten()导致Linear层收到三维张量报 shape 错误。3. 第 2 周卷积神经网络与图像实战3.1 从全连接到卷积局部连接、权值共享、平移不变性卷积层保持输入的空间结构不把图像展开成一维向量。每个卷积核是一个小窗口比如 3x3在图像上滑动并计算点积。局部连接每个输出值只看输入对应位置的局部区域。权值共享同一个卷积核在所有位置复用因此参数量只和卷积核尺寸、输入输出通道数有关和图片大小无关。平移不变性同一类特征无论出现在图像左上角还是右下角都会被同一个卷积核检测到。padding的作用是控制特征图尺寸。kernel_size3, padding1时输出尺寸和输入尺寸保持一致。stride控制滑动步长步长大于 1 可以主动降采样。MaxPool2d是常见的下采样方式它取局部区域最大值保留显著特征并减少计算量。3.2 用 PyTorch 搭建 CNN 训练 CIFAR-10CIFAR-10 是 32x32 的彩色图像共 10 类比 MNIST 更难。下面的模型包含两个卷积块和一个分类头import torch.nn as nn class SimpleCNN(nn.Module): def __init__(self): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 16, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(16, 32, kernel_size3, padding1), nn.ReLU(), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(32 * 8 * 8, 10), ) def forward(self, x): return self.classifier(self.features(x))输入是 3 通道的 32x32 图片。第一个MaxPool2d(2)后变成 16x16第二个之后变成 8x8所以Flatten后维度是32 * 8 * 8。这个数字不是猜出来的而是根据输入尺寸和池化次数推导出来的。实际项目里可以用一行代码打印中间 shape 来确认import torch x torch.randn(1, 3, 32, 32) model SimpleCNN() print(model.features(x).shape)输出torch.Size([1, 32, 8, 8])与全连接层的输入对应。加载 CIFAR-10 时要注意归一化。图像像素在 0 到 255 之间ToTensor()会缩放到 0 到 1。为了让数据分布更稳定通常还要用数据集的均值和标准差做标准化from torchvision import datasets, transforms transform transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2470, 0.2435, 0.2616)), ]) train_data datasets.CIFAR10(root./data, trainTrue, downloadTrue, transformtransform)训练循环可以复用第 2.3 节的代码。如果继续用 Adamlr0.001是一个稳妥起点如果用 SGD一般需要更小学习率并搭配动量。3.3 Conv2d 参数速查表参数含义常见值错误表现in_channels输入通道数灰度图为 1RGB 为 3输入通道不匹配会直接报错out_channels卷积核数量也是输出通道数16、32、64输出通道过多导致显存压力大kernel_size卷积核大小3、5感受野改变特征尺度变化stride滑动步长1、2步长过大会丢失细节padding输入边缘填充0、1特征图尺寸会变小bias是否加偏置True影响参数量和表达能力3.4 用 TensorBoard 观察训练曲线只盯着终端里的 loss 数字很难判断过拟合和训练是否稳定。建议从第一天开始就使用 TensorBoardpip install tensorboard在训练循环中写入指标from torch.utils.tensorboard import SummaryWriter writer SummaryWriter(runs/cnn_cifar10) step 0 for epoch in range(10): for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss loss_fn(outputs, labels) loss.backward() optimizer.step() step 1 writer.add_scalar(train/loss, loss.item(), step)启动命令tensorboard --logdir runs打开终端输出的地址就能看到 loss 曲线。如果训练集 loss 一直下降测试集准确率却停滞或下降就说明过拟合。常见缓解方式是增加数据增强、加入 Dropout、降低模型容量或提前停止训练。CIFAR-10 的简单 CNN 训练十几个 epoch 后测试准确率参考值在 60% 到 70% 之间具体取决于随机种子、数据增强和优化器设置。不要和三年前的 SOTA 结果比这一阶段的目标是验证“模型确实在学而且没写错”。4. 第 3 周Transformer 机制与进阶实践4.1 注意力机制用“查询、键、值”理解注意力机制可以理解为在一个数据库里做检索。给定一个问题即查询向量 query和所有候选答案的标识 key先计算 query 和每个 key 的相似度再用相似度作为权重去加权求和对应 value。缩放点积注意力的公式为Attention(Q, K, V) softmax(Q * K^T / sqrt(d_k)) * V用 PyTorch 实现最小版本import torch import torch.nn.functional as F def attention(query, key, value): d_k query.size(-1) scores torch.matmul(query, key.transpose(-2, -1)) / (d_k ** 0.5) weights F.softmax(scores, dim-1) return torch.matmul(weights, value)除以sqrt(d_k)是为了防止点积结果过大导致 softmax 进入梯度饱和区。初学者最容易忽略这一步。4.2 Transformer 的核心组件一个标准的 Transformer 编码器由以下部分组成Embedding把离散 token 映射为连续向量。位置编码给每个位置注入顺序信息。最简单的方法是使用可学习的位置编码经典实现是正弦位置编码。多头注意力把 Q、K、V 投影到多个子空间分别计算注意力再拼接线性变换让模型能关注不同关系。前馈网络对每个位置的表示做逐位置非线性变换一般是两层 Linear 加 ReLU。LayerNorm 和残差连接稳定训练缓解深层网络梯度问题。理解 Transformer 时不要一次性陷进所有细节先看完整的模块连接关系再逐步拆解多头注意力。实际工作中大多数场景不需要从零造轮子直接使用 PyTorch 的nn.TransformerEncoderLayer就足够。4.3 用 PyTorch 实现一个迷你 Transformer 分类器下面是一个文本二分类的最小模型。这里使用可学习位置编码适合入门经典论文里的正弦位置编码在代码仓库中更容易找到。import torch import torch.nn as nn class MiniTransformerClassifier(nn.Module): def __init__(self, vocab_size, d_model64, nhead4, num_layers2, num_classes2, max_len128): super().__init__() self.embedding nn.Embedding(vocab_size, d_model) self.pos_encoding nn.Parameter(torch.randn(1, max_len, d_model)) encoder_layer nn.TransformerEncoderLayer( d_modeld_model, nheadnhead, batch_firstTrue, ) self.encoder nn.TransformerEncoder(encoder_layer, num_layersnum_layers) self.classifier nn.Linear(d_model, num_classes) def forward(self, x): emb self.embedding(x) self.pos_encoding[:, : x.size(1), :] hidden self.encoder(emb) return self.classifier(hidden.mean(dim1))使用说明batch_firstTrue让输入形状是(batch, sequence_length)更符合 PyTorch 常见习惯。hidden.mean(dim1)是对序列所有位置取平均作为整句表示再送入分类器。如果处理文本需要先把句子转成 token id 列表并保证同 batch 内等长。构造一个很小的训练数据sentences [ (good movie and great plot, 1), (bad film and boring story, 0), ] vocab {} for text, _ in sentences: for word in text.split(): if word not in vocab: vocab[word] len(vocab) def encode(text, max_len8): ids [vocab[word] for word in text.split()] ids ids[:max_len] ids [0] * (max_len - len(ids)) return torch.tensor(ids, dtypetorch.long) x torch.stack([encode(text) for text, _ in sentences]) y torch.tensor([label for _, label in sentences]) model MiniTransformerClassifier(vocab_sizelen(vocab), d_model32, nhead2) output model(x) print(output.shape)这里用0作为 padding id但模型内部没有 padding mask。在真实项目中遇到变长 batch 时通常会生成 attention mask避免 padding 位置参与注意力计算。这个细节可以作为第三周的扩展练习。训练循环仍可复用第 2.3 节的结构唯一区别是输入从图像变成了 token id 张量。4.4 进阶扩展TCN、Swin Transformer 与浮点数格式选型Transformer 并不是唯一的序列建模方案。TCN即时间卷积网络使用因果卷积和膨胀卷积处理时间序列在股票预测、传感器数据预测等场景中被频繁使用。它的优点是结构简单、训练稳定缺点是感受野受卷积层数和膨胀系数限制。入门阶段可以用“TCN Transformer 预测股票价格”的公开案例来练习数据处理和预测评估但不要把它当作投资建议这类项目更适合学习特征工程、序列切分和模型评估。视觉方向可以继续阅读 Swin Transformer。它在窗口内计算注意力窗口之间通过移动窗口完成信息交互解决了直接在整张图上计算注意力导致的计算量过大的问题。训练和部署阶段都会遇到浮点数格式选择。常见的四种格式如下格式位数特点典型场景fp3232精度高范围广默认格式学习和稳定训练fp1616节省显存动态范围小需要 loss scaling混合精度训练bf1616动态范围接近 fp32精度较低大模型训练tf32不用于存储NVIDIA Tensor Core 上的截断格式降低计算精度提升吞吐大规模矩阵运算加速学习阶段默认使用 fp32。显存不足或在训练大模型时可以使用混合精度scaler torch.cuda.amp.GradScaler() for images, labels in train_loader: optimizer.zero_grad() with torch.autocast(device_typecuda, dtypetorch.float16): outputs model(images) loss loss_fn(outputs, labels) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update()这个写法只在 CUDA 环境有效。CPU 环境直接使用 fp32 即可。5. 高频报错与排查路径15 天内最常遇到的坑5.1 PyTorch 安装后torch.cuda.is_available()为 False现象代码能运行但训练速度很慢打印 CUDA 状态时输出 False。可能原因安装的是 CPU 版 PyTorchNVIDIA 驱动版本过低GPU 硬件过老或非 NVIDIA 显卡。检查方式nvidia-smi python -c import torch; print(torch.__version__)处理建议先确认显卡是否为 NVIDIA GPU再确认torch.__version__中是否包含cu118或cu121等标识如果不包含重新按官网命令安装 GPU 版本。AMD 或 Intel 显卡则要查找对应 ROCm 或其他后端说明不能照搬 NVIDIA 的安装命令。5.2 张量形状不匹配现象RuntimeError: mat1 and mat2 shapes cannot be multiplied可能原因全连接层的输入维度和上一层的输出不一致卷积层的通道数填错nn.Flatten()放错位置。处理方式在模型forward里临时打印 shape分步确认def forward(self, x): x self.features(x) print(x.shape) return self.classifier(x)推荐做法先写清楚每一层输入输出的推导公式再写代码。比如 CIFAR-10 经过两个MaxPool2d(2)尺寸从 32 变成 8通道数是 32因此Linear的输入是32 * 8 * 8。5.3 CUDA out of memory现象RuntimeError: CUDA out of memory.可能原因batch_size过大输入图片尺寸过大多个进程同时占用显存模型在训练后没有释放计算图。处理建议调小batch_size比如从 64 降到 32 或 16。降低输入图片分辨率。检查是否有其他进程占用 GPUnvidia-smi在评估代码中使用with torch.no_grad()减少显存占用。确实需要大 batch 时可以使用梯度累积将多个小 batch 的梯度累加后再更新参数。5.4 训练 loss 不下降或出现 NaN可能原因学习率过大梯度更新不稳定数据没有归一化损失函数和模型输出不匹配标签编码错误。排查顺序打印第一个 batch 的 loss确认不是数据问题。尝试小学习率比如1e-4。检查数据中是否存在 NaN 或极端值。确认分类任务使用了CrossEntropyLoss标签是整数索引而不是 one-hot。如果使用 float16 训练检查是否遗漏了GradScaler。5.5 过拟合训练集准确率很高测试集准确率低这是样本数量少时最常见的现象也是“深度学习样本数量少的缺点”的直接体现。处理思路按优先级排列优先级方法说明1增加数据增强随机裁剪、翻转、旋转等扩大有效数据分布2降低模型容量减少卷积核数量或隐藏层宽度3加入 Dropout在分类头之前加nn.Dropout(0.5)4早停监控验证集指标不再下降时停止训练5迁移学习使用 ImageNet 预训练模型做微调而不是从零训练6. 从 15 天练习到工程化资料选择、环境差异与长期路线6.1 学习资料选择官方文档优先视频只做辅助入门阶段最重要的资料是 PyTorch 官方教程和torchvision自带的示例代码。官方文档的代码能运行、能验证且版本同步。视频课程的优点是讲解直观缺点是容易让人产生“看懂了”的错觉。更有效的学习方式是“最小闭环法”每学一个模型立刻找一个公开数据集跑通记录 loss 曲线、准确率和碰到的问题。不要同时开三本书也不要从一个零散项目跳到另一个零散项目。推荐记录格式模型结构数据来源和预处理方式超参数batch_size、学习率、epoch 数训练集 loss 曲线测试集指标下一次想改变什么6.2 学习环境与生产环境的差异学习环境可以很随意CPU 或单显卡、小数据集、不追求效率。生产环境必须额外考虑数据管线是否稳定训练数据是否带版本。日志是否完整能否定位到具体训练步骤。模型版本是否记录谁改过结构、改过参数。推理延迟和吞吐是否满足业务要求。模型异常时如何回滚。数据分布发生变化时如何监控。学习代码里最常见的“只保证能跑”的写法在生产里都要打上补丁。例如训练脚本里直接写死路径、不保存 checkpoint、不记录超参数这些在 15 天练习阶段可以接受但进入真实项目前要补全。6.3 不同学科背景的补充学习建议如果数学基础偏弱不需要先把所有数学课学完再开始。按需要补线性代数重点看矩阵乘法、维度变化卷积和注意力都用得到。概率统计重点看 softmax、交叉熵、采样理解模型输出如何解释为概率。微积分重点看链式法则它是反向传播的基础。如果 Python 基础偏弱先补numpy、列表推导、函数定义、文件读写和调试技能。深度学习的代码 60% 时间花在数据清洗和 shape 调整上Python 基本功直接决定效率。如果是物理、材料、金融、医学等非计算机背景可以把精力放在“如何把本专业问题变成输入输出映射”。比如物理问题可以用 PINN物理信息神经网络建模偏微分方程材料数据可以用图神经网络 GNN 表示分子结构金融时序数据可以用 TCN 或 Transformer 做预测。这些方向都需要先有前 15 天的主线基础再进入领域定制。6.4 15 天后的延伸方向15 天学完并不是终点。真正让新手和熟练开发者拉开差距的是每次训练结束后能不能说明白为什么收敛、为什么卡住以及下一步该改什么。可以选择的延伸方向视觉方向继续学习 Swin Transformer、目标检测模型、图像分割。序列方向继续学习 LSTM、TCN、Transformer 的时间序列预测。图数据方向学习图神经网络 GNN处理社交网络、知识图谱和分子结构。物理融合方向学习 PINN理解如何把物理方程作为约束加入训练。工业部署方向学习 ONNX 导出、fp16/bf16 量化、TensorRT 和 GPU 加速推理。大模型方向学习预训练、微调、LoRA、RLHF 的基础链路。6.5 可复用清单环境检查清单[ ] Python 版本与虚拟环境是否激活。[ ] PyTorch 版本是否与 CUDA 匹配。[ ]nvidia-smi输出是否正常。[ ]torch.cuda.is_available()是否输出 True或者确认 CPU 环境可用。训练前检查清单[ ] 输入数据的 shape 是否符合模型要求。[ ] 是否做了归一化或标准化。[ ] 损失函数是否和任务类型匹配。[ ] 优化器是否创建在model.parameters()上。[ ] 每次迭代是否调用了optimizer.zero_grad()。[ ] 是否保存了 checkpoint路径和命名是否包含轮次。收尾评估清单[ ] 训练集和测试集都统计了准确率或对应指标。[ ] 记录了训练过程中的 loss 曲线。[ ] 保存了模型结构和超参数信息。[ ] 必要时导出混淆矩阵确认哪些类别最容易混淆。[ ] 写下一轮实验的修改点而不是盲目调参。建议用固定模板记录每一次实验。坚持记录三个完整项目后你会发现自己能快速定位问题也能在面试和实际协作中清楚描述自己的训练过程。那时的“入门”才算真正结束。
)
