---

1. 基础概念类

英文	中文意思	正确中文近似读音	容易读错点
deep learning	深度学习	滴普 勒宁	learning 不是“乐宁”，更像“勒宁”
machine learning	机器学习	mə-SHIN 勒宁 / 么-辛 勒宁	machine 重音在后面，不读“马琴”
artificial intelligence	人工智能	ar-tə-FI-shəl in-TEL-ə-jəns	artificial 不读“阿提非cial”
neural network	神经网络	NOO-rəl NET-work / 纽-若 网络	neural 不是“牛ral”，中间要轻
model	模型	MAA-dəl / 妈-斗	不读“莫得儿”
algorithm	算法	AL-gə-rith-əm / 艾尔- gə -瑞- thəm	不是“阿尔狗瑞森”
framework	框架	FRAME-work / 弗瑞姆-沃克	frame 要读“弗瑞姆”
architecture	网络结构 / 架构	AR-ki-tek-chər / 阿-ki-泰克-彻	chitecture 不读“吃特可特”
module	模块	MAA-jool / 妈-久儿	美式常读“妈久儿”，不是“莫丢”
layer	层	LAY-ər / 雷-儿	不读“拉yer”
block	模块块	BLOCK / 布洛克	ck 收尾要短
feature	特征	FEE-chər / 菲-彻	不读“非啊特ure”
representation	表征	rep-ri-zen-TAY-shən	重音在 TAY，不在前面
embedding	嵌入表示	em-BED-ding / 恩-拜德-丁	bed 是“拜德”，不是“比德”
dimension	维度	də-MEN-shən / də-门-神	重音在 MEN
vector	向量	VEK-tər / 维克-特儿	不是“威克托”
matrix	矩阵	MAY-triks / 梅-triks	不是“马trix”
tensor	张量	TEN-sər / 滕-瑟	不是“ten索”

这一类最容易读错：

parameter 不在这一类，但和 tensor/model 常一起出现
architecture = 阿-ki-泰克-彻
algorithm = 艾尔-gə-瑞-thəm
embedding = 恩-拜德-丁
dimension = də-门-神
tensor = 滕-瑟

---

2. 参数、梯度、优化类

英文	中文意思	正确中文近似读音	容易读错点
parameter	参数	pə-RA-mə-tər / 坡-RA-么-特儿	不读“帕拉米特”
weight	权重	WAYT / 为特	gh 不发音
bias	偏置	BAI-əs / 拜-əs	不是“比亚斯”
gradient	梯度	GRAY-di-ənt / 格瑞-迪-ənt	不是“格拉迪恩特”
backpropagation	反向传播	back-prop-ə-GAY-shən	重音在 GAY
backward	反向	BAK-wərd / 拜克-沃德	back 是“拜克”不是“巴克”
forward	前向	FOR-wərd / 佛/福-沃德	ward 轻读
optimize	优化	OP-tə-maiz / 奥普-特-麦兹	mize 读“麦兹”，不是“米兹”
optimizer	优化器	OP-tə-mai-zər / 奥普-特-麦-zer	重音在 OP
optimization	优化过程	op-tə-mə-ZAY-shən	重音变到 ZAY
learning rate	学习率	LER-ning rate / 勒-宁 瑞特	learning 不是“乐宁”
scheduler	调度器	SKE-joo-lər / 斯开-久-勒	美式多读 SKE
momentum	动量	mə-MEN-təm / mə-门-腾	重音在 MEN
decay	衰减	də-KAY / də-凯	重音在后面
regularization	正则化	reg-yə-lə-rə-ZAY-shən	重音在 ZAY
update	更新	up-DAYT / 阿普-得ei特	动词重音在后面
step	一步更新	STEP / 斯泰普	p 要收住
convergence	收敛	kən-VER-jəns	重音在 VER
divergence	发散	dai-VER-jəns	di 这里近似“dai”

这一类最容易读错：

parameter = 坡-RA-么-特儿，不是帕拉米特
optimize = 奥普-特-麦兹，不是奥普题米兹
optimization = op-tə-mə-ZAY-shən，重音变化
gradient = 格瑞-迪-ənt，不是格拉迪恩特
bias = 拜-əs，不是比亚斯

---

3. 训练流程类

英文	中文意思	正确中文近似读音	容易读错点
train	训练	TRAYN / 垂恩	tr 连起来
training	训练过程	TRAY-ning / 垂-宁	不是“特rain宁”
validation	验证	va-lə-DAY-shən	重音在 DAY
test	测试	TEST / 泰斯特	t 收尾
inference	推理	IN-fə-rəns / 因-fə-rəns	重音在 IN
prediction	预测	pri-DIK-shən	重音在 DIK
output	输出	OUT-put / 奥特-普特	名词前重
input	输入	IN-put / 因-普特	名词前重
target	目标值	TAR-git / 塔-git	get 轻读像 git
label	标签	LAY-bəl / 雷-bəl	不是“拉bel”
dataset	数据集	DAY-tə-set / 得ei-tə-set	data 美式常读 DAY-tə
data loader	数据加载器	DAY-tə LOW-dər	loader 是 LOW-der
batch	批次	BATCH / 拜吃	tch 像“吃”
batch size	批大小	BATCH size / 拜吃 赛兹	size 读“赛兹”
epoch	训练轮数	EH-pok / 艾-pok	不是“伊破吃”
iteration	迭代	i-tə-RAY-shən	重音在 RAY
sample	样本	SAM-pəl / 三-pəl	ple 轻读
shuffle	打乱	SHUH-fəl / 沙-fəl	不是“舒佛”
augment	增强	aug-MENT / 奥格-门特	动词重音在后
augmentation	数据增强	aug-men-TAY-shən	重音在 TAY

这一类最容易读错：

epoch = 艾-pok，不是伊破吃
iteration = i-tə-RAY-shən，不是 i-ter-ra-tion
dataset = DAY-tə-set
validation = va-lə-DAY-shən
inference = IN-fə-rəns

---

4. 损失函数与评估指标类

英文	中文意思	正确中文近似读音	容易读错点
loss	损失	LOSS / 洛斯	o 类似“奥/洛”
loss function	损失函数	LOSS FUNC-shən / 洛斯 方克-神	function 读方克神
criterion	损失准则	krai-TEER-ri-ən	很容易读错
accuracy	准确率	AK-yər-ə-see / 艾克-yə-rə-see	重音在 AK
precision	精确率	pri-SI-zhən	sion 这里是 zhən
recall	召回率	ri-KAWL / ri-靠	重音在后面
F1 score	F1 分数	F-one score	字母 F 直接读
IoU	交并比	I-O-U / 爱-欧-优	逐字母读
Dice	Dice 系数	DAIS / 戴斯	i 读 ai
metric	指标	ME-trik / 麦-trik	e 近似“麦/梅”
error	错误	ER-ər / 艾-rər	不读“error儿”
mean	平均值	MEEN / 米恩	ea 读长 i
variance	方差	VAIR-ri-əns / 外瑞-əns	重音在前
standard deviation	标准差	STAN-dərd dee-vi-AY-shən	deviation 重音在 AY

这一类最容易读错：

criterion = krai-TEER-ri-ən
precision = pri-SI-zhən
recall = ri-KAWL
Dice = 戴斯
variance = VAIR-ri-əns

---

5. 常见网络层类

英文	中文意思	正确中文近似读音	容易读错点
linear	线性层	LI-ni-ər / 利-尼-ər	不是“line-ar”
fully connected layer	全连接层	FUL-li kə-NEK-tid LAY-ər	connected 重音在 NEK
convolution	卷积	kon-və-LOO-shən	重音在 LOO
convolutional layer	卷积层	kon-və-LOO-shə-nəl layer	tional 轻
Conv	卷积缩写	KONV / 康夫	v 要轻收
pooling	池化	POO-ling / 普-ling	oo 长音
max pooling	最大池化	MAX POO-ling	pooling 不是“破林”
average pooling	平均池化	AV-rij pooling / 艾-vər-ij pooling	average 不是“啊ver瑞吉”
normalization	归一化	nor-mə-lə-ZAY-shən	重音在 ZAY
batch normalization	批归一化	batch nor-mə-lə-ZAY-shən	normalization 重音在后
layer normalization	层归一化	layer nor-mə-lə-ZAY-shən	同上
dropout	随机失活	DROP-out / 抓普-奥特	drop 不是“德若普”太重
activation	激活	ak-tə-VAY-shən	重音在 VAY
activation function	激活函数	ak-tə-VAY-shən FUNC-shən	function 读方克神

这一类最容易读错：

convolution = kon-və-LOO-shən
linear = LI-ni-ər
activation = ak-tə-VAY-shən
normalization = nor-mə-lə-ZAY-shən
dropout = DROP-out

---

6. 激活函数类

英文	中文意思	正确中文近似读音	容易读错点
ReLU	修正线性单元	REE-loo / 瑞-路	不是“re lu”
Leaky ReLU	带泄露 ReLU	LEE-ki REE-loo	leaky 读 lee-ki
Sigmoid	Sigmoid 函数	SIG-moid / 西格-moid	重音在 SIG
Tanh	双曲正切	TANH / 坦h	h 很轻
Softmax	Softmax 函数	SOFT-max / 索夫特-马克斯	soft 的 t 可轻
GELU	GELU 激活	G-E-L-U	一般逐字母读
SiLU	SiLU 激活	SEE-loo / 西-路	有人也逐字母读 S-I-L-U

这一类最容易读错：

ReLU = REE-loo
Sigmoid = SIG-moid
Tanh = 坦h
GELU = G-E-L-U
SiLU = SEE-loo

---

7. CNN / 图像相关类

英文	中文意思	正确中文近似读音	容易读错点
image	图像	IM-ij / 依-米只	age 不是“诶只”
pixel	像素	PIK-səl / 皮克-səl	x 发 ks
channel	通道	CHAN-nəl / 掺-nəl	不是“钱nel”
kernel	卷积核	KER-nəl / 科-nəl	nel 轻读
filter	滤波器	FIL-tər / 菲尔-特儿	ter 轻
stride	步长	STRAID / 斯拽德	i 读 ai
padding	填充	PAD-ding / 拍德-丁	pad 有 d
dilation	空洞卷积膨胀率	dai-LAY-shən	重音在 LAY
receptive field	感受野	ri-SEP-tiv field	receptive 重音在 SEP
downsampling	下采样	DOWN-sam-pling	down 重读
upsampling	上采样	UP-sam-pling	up 重读
segmentation	分割	seg-men-TAY-shən	重音在 TAY
classification	分类	klas-sə-fə-KAY-shən	重音在 KAY
detection	检测	di-TEK-shən	重音在 TEK
localization	定位	lo-kə-lə-ZAY-shən	重音在 ZAY
bounding box	边界框	BOWN-ding box	bound 读 bown
mask	掩膜	MASK / 马斯克	a 不是“梅”

这一类最容易读错：

segmentation = seg-men-TAY-shən
classification = klas-sə-fə-KAY-shən
dilation = dai-LAY-shən
receptive field = ri-SEP-tiv field
stride = STRAID

---

8. Transformer / Attention 类

英文	中文意思	正确中文近似读音	容易读错点
transformer	Transformer	trans-FOR-mər / 穿斯-佛-mər	重音在 FOR
attention	注意力	ə-TEN-shən / ə-滕-神	重音在 TEN
self-attention	自注意力	self ə-TEN-shən	attention 同上
cross-attention	交叉注意力	cross ə-TEN-shən	cross 不读“克肉斯”太重
query	查询向量 Q	KWEER-i / 奎-ri	不是“屈瑞”
key	键向量 K	KEE / ki	长 i
value	值向量 V	VAL-yoo / 外-liu	value 不是“瓦流”
token	token	TOH-kən / 偷-kən	ken 轻
patch	图像块	PATCH / 拍吃	tch 像“吃”
position encoding	位置编码	pə-ZI-shən en-KOH-ding	position 重音在 ZI
multi-head attention	多头注意力	MUL-ti-head ə-TEN-shən	multi 重音前
encoder	编码器	en-KOH-dər / 恩-扣-德儿	重音在 KO
decoder	解码器	di-KOH-dər / 迪-扣-德儿	重音在 KO
feed forward network	前馈网络	feed FOR-wərd network	forward 重音 FOR
MLP	多层感知机	M-L-P	逐字母读

这一类最容易读错：

query = KWEER-i / 奎-ri
attention = ə-TEN-shən
transformer = trans-FOR-mər
encoder = en-KOH-dər
decoder = di-KOH-dər
value = VAL-yoo

---

9. RNN / 序列模型类

英文	中文意思	正确中文近似读音	容易读错点
sequence	序列	SEE-kwəns / 西-kwəns	que 这里不是“奎”
recurrent	循环的	ri-KER-rənt	重音在 KER
recurrent neural network	循环神经网络	ri-KER-rənt neural network	recurrent 最容易错
RNN	循环神经网络	R-N-N	逐字母读
LSTM	长短期记忆网络	L-S-T-M	逐字母读
GRU	门控循环单元	G-R-U	逐字母读
hidden state	隐状态	HID-dən state	hidden 不读 high-den
cell state	细胞状态	cell state	cell 是 sel
gate	门控	GAYT / 给特	a 读 ei

这一类最容易读错：

recurrent = ri-KER-rənt
sequence = SEE-kwəns
hidden = HID-dən
gate = GAYT

---

10. 生成模型类

英文	中文意思	正确中文近似读音	容易读错点
generative	生成式的	JEN-ər-ə-tiv	重音在 JEN
generation	生成	jen-ə-RAY-shən	重音在 RAY
diffusion	扩散	di-FYOO-zhən	重音在 FYOO
denoising	去噪	di-NOY-zing	noise 是 noy-z
autoencoder	自编码器	aw-toh-en-KOH-dər	encoder 重音在 KO
variational autoencoder	变分自编码器	vair-ri-AY-shə-nəl autoencoder	variational 重音在 AY
GAN	生成对抗网络	G-A-N / gan	两种都有人读
discriminator	判别器	dis-KRIM-ə-nay-tər	重音在 KRIM
generator	生成器	JEN-ə-ray-tər	重音在 JEN
latent space	潜空间	LAY-tənt space	latent 不是“拉tent”
noise	噪声	NOYZ / 诺伊兹	s 发 z
prompt	提示词	PROMPT / 普rom普特	p/t 收尾

这一类最容易读错：

diffusion = di-FYOO-zhən
denoising = di-NOY-zing
variational = vair-ri-AY-shə-nəl
discriminator = dis-KRIM-ə-nay-tər
latent = LAY-tənt

---

11. 点云 / 3D 类

英文	中文意思	正确中文近似读音	容易读错点
point cloud	点云	point cloud / 泼因特 克劳德	cloud 不是“克路德”
point	点	POINT / 泼因特	oi 双元音
coordinate	坐标	ko-OR-də-nət	名词重音在 OR
voxel	体素	VOK-səl / 沃克-səl	x 发 ks
mesh	网格	MESH / 迈sh	不是“me许”
surface	表面	SER-fəs / 瑟-fəs	face 轻读
normal	法向量	NOR-məl / 诺-məl	不是“normal正常”的中式读法
sampling	采样	SAM-pling / 三-pling	p 轻
farthest point sampling	最远点采样	FAR-thest point sampling	farthest 不是 fastest
FPS	最远点采样	F-P-S	逐字母读
neighborhood	邻域	NAY-bər-hood	neigh 读 nay
k-nearest neighbors	K近邻	K NEER-əst NAY-bərz	nearest / neighbors 都易错
KNN	K近邻	K-N-N	逐字母读
radius	半径	RAY-di-əs	不是“拉dius”
grouping	分组	GROO-ping	oo 长音
interpolation	插值	in-ter-pə-LAY-shən	重音在 LAY

这一类最容易读错：

voxel = VOK-səl
coordinate = ko-OR-də-nət
radius = RAY-di-əs
neighborhood = NAY-bər-hood
interpolation = in-ter-pə-LAY-shən
farthest ≠ fastest

---

12. PyTorch / 代码常见词类

英文	中文意思	正确中文近似读音	容易读错点
PyTorch	PyTorch 框架	PIE-torch / 派-torch	Py 读派
tensor	张量	TEN-sər / 滕-瑟	不是 ten索
module	模块	MAA-jool / 妈-久儿	美式读法
parameter	参数	pə-RA-mə-tər	不读帕拉米特
requires grad	需要梯度	ri-KWAI-erz grad	requires 重音在 KWAI
gradient	梯度	GRAY-di-ənt	不是 gra-di-ent
detach	分离计算图	di-TACH / di-塔吃	重音在后
clone	复制	KLOHN / 克隆	o 长音
device	设备	di-VAIS / di-外斯	重音在后
CUDA	CUDA	KOO-də / 酷-达	cu 读酷
CPU	中央处理器	C-P-U	逐字母读
GPU	图形处理器	G-P-U	逐字母读
checkpoint	检查点	CHEK-point	check 不是“切”很短
state dict	状态字典	state dict	dict 不是 dictionary 全读
load	加载	LOHD / 漏德	o 长音
save	保存	SAYV / sei夫	a 读 ei
eval	评估模式	i-VAL / i-外尔	重音在 VAL
train mode	训练模式	train mode	mode 读 mohd

这一类最容易读错：

requires grad = ri-KWAI-erz grad
detach = di-TACH
device = di-VAIS
eval = i-VAL
CUDA = KOO-də

---

13. 常见模型名字类

英文	中文意思	正确中文近似读音	容易读错点
LeNet	经典 CNN 模型	lə-NET / 勒-Net	Le 不是 Lee
AlexNet	经典 CNN 模型	AL-eks-Net	Alex 重音前
VGG	VGG 网络	V-G-G	逐字母读
ResNet	残差网络	REZ-Net / 瑞兹-Net	s 发 z
DenseNet	密集连接网络	DENS-Net	dense 读 dens
MobileNet	轻量网络	MOH-bəl-Net	mobile 美式 MOH-bəl
EfficientNet	高效网络	i-FI-shənt-Net	efficient 重音 FI
U-Net	U 型网络	U-Net	U 字母读
UNet++	U-Net++	U-Net plus plus	plus plus
DeepLab	分割模型	DEEP-Lab	deep 长 i
YOLO	目标检测模型	YOH-loh / 悠-喽	YO 读 yoh
Faster R-CNN	检测模型	Faster R-C-N-N	R-CNN 逐字母
Mask R-CNN	实例分割模型	Mask R-C-N-N	同上
PointNet	点云网络	Point-Net	Point 不读 print
PointNet++	点云网络	PointNet plus plus	plus plus
Transformer	Transformer 模型	trans-FOR-mər	重音 FOR
ViT	Vision Transformer	V-I-T	逐字母读
Swin Transformer	Swin Transformer	swin Transformer	swin 像“斯温”
BERT	语言模型	BERT / 伯特	er 卷舌
GPT	生成式预训练模型	G-P-T	逐字母读

这一类最容易读错：

ResNet = REZ-Net，不是 Reis-Net
EfficientNet = i-FI-shənt-Net
MobileNet = MOH-bəl-Net
YOLO = YOH-loh
ViT = V-I-T
BERT = 伯特

---

14. 最容易读错高频词汇总

这一类是你最应该优先背的。

英文	中文意思	正确中文近似读音	不要读成
parameter	参数	pə-RA-mə-tər / 坡-RA-么-特儿	帕拉米特
optimize	优化	OP-tə-maiz / 奥普-特-麦兹	奥普题米兹
optimizer	优化器	OP-tə-mai-zər	奥普题米zer
optimization	优化	op-tə-mə-ZAY-shən	奥普题米zation
gradient	梯度	GRAY-di-ənt	格拉迪恩特
criterion	损失准则	krai-TEER-ri-ən	克瑞特瑞on
epoch	训练轮数	EH-pok / 艾-pok	伊破吃
iteration	迭代	i-tə-RAY-shən	伊特瑞tion
convolution	卷积	kon-və-LOO-shən	康沃鲁tion
activation	激活	ak-tə-VAY-shən	阿克题va神
attention	注意力	ə-TEN-shən	阿ten神
query	查询向量	KWEER-i / 奎-ri	屈瑞
value	值向量	VAL-yoo	瓦流
encoder	编码器	en-KOH-dər	en-code-er
decoder	解码器	di-KOH-dər	de-code-er
transformer	Transformer	trans-FOR-mər	transform-er 平读
segmentation	分割	seg-men-TAY-shən	赛格门ta tion
classification	分类	klas-sə-fə-KAY-shən	class-fi-cation
normalization	归一化	nor-mə-lə-ZAY-shən	normal-ization 平读
regularization	正则化	reg-yə-lə-rə-ZAY-shən	regular-ization 平读
augmentation	数据增强	aug-men-TAY-shən	aug-men-ta-tion 平读
inference	推理	IN-fə-rəns	in-fer-ence 平读
prediction	预测	pri-DIK-shən	pre-dic-tion 平读
dataset	数据集	DAY-tə-set	大塔set
PyTorch	PyTorch	PIE-torch	皮torch
CUDA	CUDA	KOO-də	Q达
device	设备	di-VAIS	device 平读
detach	分离计算图	di-TACH	de-tach 平读
voxel	体素	VOK-səl	vo-xel
coordinate	坐标	ko-OR-də-nət	coor-di-nate 平读
radius	半径	RAY-di-əs	拉dius
diffusion	扩散	di-FYOO-zhən	di-fu-sion
denoising	去噪	di-NOY-zing	de-noise-ing 平读
discriminator	判别器	dis-KRIM-ə-nay-tər	dis-cri-mi-na-tor 平读
latent	潜在的	LAY-tənt	拉tent

---

你可以先背这 10 个，最常用、最容易错：

parameter       坡-RA-么-特儿
optimize        奥普-特-麦兹
gradient        格瑞-迪-ənt
epoch           艾-pok
convolution     kon-və-LOO-shən
activation      ak-tə-VAY-shən
attention       ə-TEN-shən
query           奎-ri
encoder         en-KOH-dər
segmentation    seg-men-TAY-shən