卷积神经网络实战入门：从零理解图像识别

课程简介

这门课带你把"卷积神经网络"从名词变成能跑的代码。不堆公式，从一张猫图出发，讲清卷积、池化、激活、全连接每一层到底在干什么，最后用一个最小可运行示例完成图像分类。学完你能读懂绝大多数视觉模型的骨架，也能判断什么时候该用 CNN、什么时候该换别的。

学习目标

• 说清楚卷积、步长、填充、池化各自解决什么问题
• 理解特征图尺寸如何随层数变化，手动算一遍
• 用框架搭一个能跑的 CNN，在公开小数据集上训练并看准确率
• 知道 CNN 的局限，以及它和 ViT 这类新结构的区别

章节概览

1. 第一章：图像在计算机里到底是什么（张量、通道、尺寸）
2. 第二章：卷积运算手算 + 可视化第一层滤波器
3. 第三章：池化、激活函数与"为什么需要非线性"
4. 第四章：搭网络——从 LeNet 到现代残差块
5. 第五章：训练、过拟合与数据增强的实战技巧
6. 第六章：CNN 之外——何时该考虑 Transformer 类视觉模型