遇到现成积木不够用？自己造！普通残差块：把输入直接 “绕到” 输出端，和加工后的结果相加，让模型更容易学。下采样残差块：如果输入和输出 “形状不匹配”（比如通道数不一样），就加个 1×1 的卷积层 “调整形状”，再和输出相加。把这两种块组合起来，就能拼出 ResNet18 这样的 “大模型”，专门解决深层网络 “学不会” 的问题～PyTorch 搭建神经网络，本质就是 “用 nn.Module/n

遇到现成积木不够用？自己造！普通残差块：把输入直接 “绕到” 输出端，和加工后的结果相加，让模型更容易学。下采样残差块：如果输入和输出 “形状不匹配”（比如通道数不一样），就加个 1×1 的卷积层 “调整形状”，再和输出相加。把这两种块组合起来，就能拼出 ResNet18 这样的 “大模型”，专门解决深层网络 “学不会” 的问题～PyTorch 搭建神经网络，本质就是 “用 nn.Module/n

从单个感知机（只能画直线），到多层感知机（靠隐藏层和激活函数画曲线），本质是让 AI 从 “处理简单问题” 进化到 “搞定复杂任务”。训练时只要避开欠拟合、过拟合，调对超参数，“神经军团” 就能越来越强～

梯度下降靠 “反梯度方向” 更新参数，是基础操作；小批量随机梯度下降是深度学习的 “默认选手”，又快又实用；调好学率和批量大小，模型训练能少走很多弯路～线性回归是 “数值预测小能手”，靠公式和梯度下降算准连续值；Softmax 回归是 “分类贴标专家”，用 Softmax 运算把置信度变概率，轻松给事物分类别。两者都是深度学习的 “地基模型”，学好它们，就能解锁更复杂的 AI 技能啦！