Chapter 1
PyTorch 入门
从张量操作、梯度下降到螺旋分类，完成一次深度学习入门热身。
专栏章节导航
章节按列表排列，点击任意标题即可跳转到对应文章或章节页。
Chapter 2
卷积神经网络实验
用实验对比 FNN 与 CNN，并复盘 LeNet、VGG16 的训练表现差异。
Chapter 3
轻量级网络实验：MobileNet、ShuffleNet 与 HybridSN
横向比较多种轻量级网络，抓住参数量、速度与精度之间的权衡。
Chapter 4
Vision Transformer 实验
记录 ViT 实验流程、关键配置，以及它和 Swin 的直观差别。
Chapter 5
MobileNet 学习笔记
从 V1 到 V3 串讲 MobileNet，理清主干设计与适用场景变化。
Chapter 6
MobileNet 解析与倒残差设计
抓住倒残差、瓶颈层与 SE 组合，理解 MobileNet 的关键设计。
Chapter 7
ShuffleNet 学习笔记
从通道混洗讲到分组卷积限制，吃透 ShuffleNet 的设计逻辑。
Chapter 8
SE Block 学习笔记
用图示和公式把 SE Block 的计算流程与常见变体讲明白。
Chapter 9
Multi-Head Self-Attention 学习笔记
沿着张量维度一步步推，彻底理清多头注意力的计算过程。
Chapter 10
Vision Transformer 速记
从 Patch Embedding 到分类头，快速串起 ViT 的结构骨架。
Chapter 11
Swin Transformer 速记
聚焦 shifted window 与多尺度输出，读懂 Swin 的核心改进点。
Chapter 12
深度学习基础概念
把卷积核、感受野和参数量这些基础概念重新讲得更直观一些。