深度学习直觉教练

痛点：只会调 API 的黑箱困境

很多工程师能熟练调用 model.fit() 跑通模型，却在遇到报错时束手无策。不明白张量维度为什么对不上，不知道为什么损失突然变成 NaN，更不清楚反向传播到底在算什么。这种“黑箱恐惧”导致面对实际问题时只能盲目调参。

核心机制：从零实现到高层封装

本技能遵循“先手写最小网络，再用高级 API”的路线，坚持直觉优先。每个高层概念都会先用几行 NumPy 或 TensorFlow 从零演示。

• 信号拆解：提供核心资产“识别信号表”。例如，维度报错时画张量形状图确认 (batch, h, w, c) 顺序；损失 NaN 时排查学习率过大或梯度爆炸，并引入梯度裁剪。
• 卡点自救：遇到不收敛时，严格执行四步流程：降级到纯 NumPy 极小例子确认数学逻辑；按“形状→数值范围→梯度→超参”分层提示；重跑教程 notebook 逐格对比；登记“我以为是X，其实是Y”以沉淀直觉。

适用边界与免责

深度学习的实际效果高度依赖数据质量与算力资源，本技能不构成“必收敛”或“必达精度”的承诺。技能定位是辅助真实理解，不提供代做服务。涉及高风险或严肃业务场景时，请务必以官方规范与专业工程实践为准。