专题研究深度学习：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。
parz1创刊于 2026持续修订
本辑之问
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。
讨论范围表示 / 张量 / 优化 / 梯度 / 泛化
文章与论证
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。
- 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。待刊
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。
- 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。待刊
- 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。待刊
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。
- 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。待刊
本专题将随阅读、写作与修订持续生长。