深度学习-线性回归与 Softmax 回归

深度学习-重塑我们的世界

深度学习-多层感知机

从工具到方式，PyTorch 模型搭建的逻辑其实很清晰：先掌握nn.Module和的分工，再根据模型复杂度选择合适的搭建方式，最后用模块化思维优化架构。

深度学习-多层感知机

YOLOv3 作为目标检测的经典算法，以 “单阶段检测 + 多尺度预测” 的核心设计，完美诠释了 “端到端” 检测的思想。其简洁的原理、稳定的性能与广泛的适用性，使其至今仍是入门学习与项目落地的重要选择。掌握 YOLOv3 的过程，本质是理解目标检测的核心痛点（多尺度、定位精度、速度平衡）与解决方案，这些思路可直接迁移到后续 YOLO 系列及其他检测算法中。无论是深度学习新手入门，还是巩固目标检测

YOLOv5 的成功在于 “简单 + 实用”—— 原理简洁易理解，代码工程化完善，训练与部署门槛低，同时兼顾精度与速度。吃透 YOLOv5，核心是掌握 “模块化网络、多尺度预测、数据增强、后处理优化” 四大核心逻辑，这些思路可直接迁移到 YOLOv8/9 及其他目标检测算法中。无论是深度学习新手入门，还是工业项目快速落地，YOLOv5 都是绝佳选择。从数据准备到模型训练，再到优化部署，遵循本文流程

从工具到方式，PyTorch 模型搭建的逻辑其实很清晰：先掌握nn.Module和的分工，再根据模型复杂度选择合适的搭建方式，最后用模块化思维优化架构。

深度学习-卷积神经网络

深度学习-多层感知机