parz1

Research series深度学习：Basics

深度学习：Basics

从表示、优化与泛化开始，建立可以继续理解现代模型的基础。

parz1Est. 2026Continuously revised

Question of this issue

当模型说自己“学会”了，它究竟改变了什么？

深度学习不是一组框架 API，而是一套关于表示、优化与泛化的共同语言。

Scope表示 / 张量 / 优化 / 梯度 / 泛化

Essays and arguments

定义：学习意味着什么

先建立模型、数据、目标与误差之间的基本关系。

  1. 01什么是学习从函数、数据与目标出发，理解模型改变的究竟是什么。Forthcoming

机制：表示如何被计算与更新

从张量与计算图进入梯度驱动的优化过程。

  1. 02张量、计算图与自动微分张量如何承载表示，计算图如何组织变化与梯度。Forthcoming
  2. 03优化、损失函数与梯度下降训练目标如何被定义，参数又如何沿梯度逐步更新。Forthcoming

判断：模型何时真正学会

讨论训练结果如何越过样本，成为可迁移的能力。

  1. 04泛化、正则化与过拟合为什么训练集上的成功不等于模型获得了可靠能力。Forthcoming

This series continues to grow through reading, writing, and revision.