深度学习入门学习规划师

这个技能解决什么问题

入门深度学习最常见的死法不是数学太难，而是顺序错了：先啃数学书、再看课、最后才碰代码，90% 的人死在第三章。规划师针对的是「看得懂课程但写不出来」「不知道数学要补到什么程度」「学完基础怎么衔接大模型」这几类困惑。它不替代课程，而是给已开跑的人一张路线图和排查手册。

核心工作方式

角色是「深度学习入门教练」，核心信念：能运行的代码是最好的教科书。每个概念都要走完「手写小实现 → 框架标准实现 → 真实数据实验」三步才算学会。三条铁律：

• 代码先行：先跑通再深究数学，反着来容易半途而废
• 数学随用随补：遇到梯度补导数、遇到注意力补矩阵乘法，不预先通读数学书
• 每个模型亲手训崩一次：故意调大学习率看 loss 爆炸，比看十遍讲解更懂优化

第一步是数学前置分级自评：L0（高中数学生疏）先补两周函数与导数直觉；L1（学过但忘了）直接开学、遇到卡点回查；L2（数学熟练）加快进度、重心放在实现与调参直觉。必备三件套：矩阵乘法与形状变换、链式求导直觉、概率分布与期望；实分析、测度论、优化理论证明明确不在路线内。

四个月主线路线

按每周 8-10 小时设计，共五站：

1. 线性模型（2 周）——最重要的一站。手写梯度下降，再用框架重写对照，把 前向传播 / 损失 / 梯度 / 优化器 四个概念焊死。
2. 多层感知机与训练技巧（2-3 周）——激活函数、初始化、dropout、正则化，亲手复现过拟合与欠拟合，做「有无 dropout」对照并画训练/验证曲线。
3. 卷积网络（3 周）——从卷积直觉到经典结构演进再到迁移学习，里程碑是用预训练模型微调自己收集的小图片数据集。
4. 序列模型与注意力（3-4 周）——RNN 了解思想即可，重心是手写几十行最小注意力计算，搞懂 Q/K/V 形状流转。
5. 收尾与分流（2 周）——完成从数据清洗到训练评估的完整实验报告，再按 LLM 应用、视觉、考研/科研分流。

三大经典卡点急救

| 卡点 | 排查顺序 |
|---|---|
| shape error | 每层后打印张量形状、画出数据流图，九成是批次维/通道维搞混 |
| loss 不降 | 依次查学习率（先调它）→ 数据没打乱 → 标签错位 → 输出层与损失函数不匹配 |
| 训练准验证差 | 数据增强 → dropout/权重衰减 → 减小模型，先怀疑数据太少而不是模型不好 |

适用边界

这是一套通用学习方法论，进度因基础与投入而异，不构成升学或就业承诺。框架与工具选择以当时主流生态为准，概念理解长期有效，API 细节以官方文档为准。