深度学习是机器学习的一个分支，核心是用多层神经网络自动从数据中学习特征和规律。下面从几个层面梳理一下。
一、深度学习概述
1.什么是深度学习
深度学习（Deep Learning）是机器学习的一个子领域(分支)，它使用多层非线性变换 （即深层神经网络）来对数据建模,能够主动学习数据的多层次表示,从而完成分类 ,回归 或 生成等任务。
广泛应用于 图像识别 , 语音识别 和 自然语言处理(NLP)等领域.
核心特点：
- 自动特征提取：传统机器学习需要人工设计特征，深度学习直接从原始数据中学习特征。
- 端到端学习：输入原始数据，直接输出结果，中间不需要人工干预。
- 层次化表示：浅层学低级特征（如边缘、纹理），深层学高级特征（如物体、语义）。
-
- 使用多层神经网络,能够自动拾取数据的多层次特征
- 适合处理非结构化数据,如图像 , 音频,文本等
- 依赖大量数据和计算资源,训练时间较长
- 模型复杂,通常被视为 "黑箱",解释性较差
和传统机器学习的关系：
人工智能
└── 机器学习
└── 表示学习
└── 深度学习深度学习是机器学习的一个子集，而机器学习又是人工智能的一个子集。
2、为什么深度学习现在才火
深度学习的概念几十年前就有了，但直到最近才爆发，主要靠三个条件：
| 条件 | 说明 |
|---|---|
| 大数据 | 互联网产生海量标注数据，ImageNet、维基百科等 |
| 算力 | GPU、TPU 等并行计算设备，训练速度大幅提升 |
| 算法 | ReLU、Dropout、Batch Normalization、Adam 等优化技巧 |
三者缺一不可。
3、神经网络的基本结构
3.1. 神经元
神经网络的基本单元，接收输入，加权求和，经过激活函数输出：
y = f ( ∑ i w i x i + b ) y = f\left(\sum_{i} w_i x_i + b\right) y=f(i∑wixi+b)
- w i w_i wi：权重
- b b b：偏置
- f f f：激活函数
3.2. 层
- 输入层：接收原始数据
- 隐藏层：中间层，负责特征变换，可以有很多层
- 输出层：输出最终结果
3.3. 前向传播与反向传播
- 前向传播：输入 → 逐层计算 → 输出预测
- 反向传播：计算损失 → 逐层求梯度 → 更新权重
这是神经网络训练的核心机制。
3、常见网络结构
| 网络类型 | 全称 | 擅长任务 |
|---|---|---|
| CNN | 卷积神经网络 | 图像识别、目标检测 |
| RNN | 循环神经网络 | 序列数据、时间序列 |
| LSTM | 长短期记忆网络 | 长序列建模 |
| Transformer | 注意力机制网络 | NLP、多模态，当前主流 |
| GAN | 生成对抗网络 | 图像生成、数据增强 |
| GNN | 图神经网络 | 图结构数据，社交网络、分子 |
5、深度学习的训练流程
- 准备数据：收集、清洗、标注、划分训练/验证/测试集
- 设计模型：选择网络结构、层数、激活函数
- 定义损失函数：分类用交叉熵，回归用 MSE
- 选择优化器：SGD、Adam、RMSProp 等
- 训练：前向传播 → 计算损失 → 反向传播 → 更新参数
- 验证与调参：调整学习率、正则化、网络深度等
- 测试与部署：在测试集评估，上线推理
6、常见问题与对策
| 问题 | 表现 | 对策 |
|---|---|---|
| 过拟合 | 训练好，测试差 | 加数据、Dropout、正则化、早停 |
| 欠拟合 | 训练测试都差 | 加层、加特征、减正则化 |
| 梯度消失 | 深层网络难训练 | ReLU、Batch Norm、残差连接 |
| 梯度爆炸 | 损失变 NaN | 梯度裁剪、减学习率 |
| 训练慢 | 收敛慢 | 换优化器、调学习率、用 GPU |
7、应用领域
- 计算机视觉：图像分类、目标检测、分割、人脸识别
- 自然语言处理：机器翻译、情感分析、问答、大语言模型
- 语音：语音识别、语音合成
- 推荐系统：点击率预测、个性化推荐
- 医疗：医学影像分析、药物发现
- 自动驾驶：感知、决策、控制
- 游戏：AlphaGo、强化学习
8、当前趋势
- 大模型：GPT、LLaMA、Claude 等，参数量从亿到万亿
- 多模态：文本、图像、音频统一建模
- 自监督学习：不依赖人工标注，从数据本身学
- 高效推理：量化、蒸馏、剪枝，让模型跑在边缘设备
- AI 生成：扩散模型、生成对抗网络，文生图、文生视频
9、一句话总结
深度学习就是用多层神经网络，从大量数据中自动学习层次化特征，端到端地解决感知、预测和生成任务。 它是当前 AI 的核心驱动力，背后靠的是大数据、算力和算法的共同进步。
二 PyTorch介绍
2.1 PyTorch 简介
PyTorch 是深度学习领域主流的开源 Python 机器学习框架，它为实现神经网络模型提供了高效的计算工具与训练环境，是连接深度学习理论与实际应用的关键桥梁。
它最初由 Meta Platforms 人工智能团队开发，现隶属于 Linux 基金会，支持 Python 与 C++ 双接口，其中 Python 接口为核心开发重点，广泛适配计算机视觉、自然语言处理等深度学习主流领域。
作为基于 Torch 库构建、底层由 C++ 实现的框架，PyTorch 解决了"深度学习模型需高效计算与训练"的核心需求：
- 提供类NumPy的张量计算体系，支持GPU/MPS硬件加速；
- 内置自动微分系统，为实现神经网络的反向传播与参数优化提供原生支持。
目前，特斯拉自动驾驶、Hugging Face Transformers、PyTorch Lightning 等众多深度学习工具与应用，均基于 PyTorch 构建，也印证了其在第一章所述深度学习工程落地场景中的广泛应用价值。
PyTorch 官方地址：https://pytorch.org/
2.2 PyTorch 安装
（1）先创建一个虚拟环境：conda create -n dl python=3.12
（2）然后激活虚拟环境conda activate dl
（3）为了加速安装，配置pip的国内镜像源：
python
#这里只是推荐,不一定合适
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simplePyTorch 有 CPU 版本和 GPU 版本供选择。
2.2.1 CPU版本的安装
打开官网，根据自己的操作系统，选择对应的安装命令即可。
https://pytorch.org/get-started/locally/
2.2.2 GPU版本的安装
首先要保证你的电脑是NVIDIA的独立显卡。
2.2.3.1 确定你显卡算力
可以去这个网址查看你的显卡算力https://developer.nvidia.cn/cuda-gpus#compute
如果显卡的算力>=3.0，就可以使用GPU进行加速训练了
如果是最近几年才买的电脑，一般都能达到3.0的算力。
2.2.3.2 查看支持的最高CUDA版本
CUDA 是 NVIDIA 推出的通用并行计算平台和编程模型，它让 GPU 不仅能做图形渲染，还能做科学计算和深度学习。
PyTorch 的 GPU 加速版，是和特定 CUDA 版本绑定的。
命令行中输入nvidia-smi，在CUDA Version栏查看显卡支持的最高CUDA版本。
2.2.3.3 选择合适的CUDA版本
选择的 PyTorch CUDA 版本，绝对不能超过nvidia-smi命令查到的最高版本。
和 12.8 都≤12.8，都可以选，优先选稳定版（Stable）里最新的兼容版本（图里选 CUDA12.6 是稳定版，12.8 如果是稳定版也可以选）
最后复制对应的安装命令（图里提供的是pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126），就能安装对应 CUDA 版本的 PyTorch 了。
2.2.4 测试是否安装成功
1）Windows：
python
import torch
print(torch.__version__) # torch版本
print(torch.cuda.is_available()) # GPU 是否可用 windows cuda2）Apple系列芯片的 macos：
python
import torch
print(torch.__version__) # torch版本
print(torch.backends.mps.is_available()) # GPU 是否可用 macos mps- 当你电脑上装了多个 Python 环境：
可以试试在安装了的环境里试试
怎么确认
在 CMD 里输入：
python
bash
where python这会列出系统里所有能找到的 Python 路径。你会看到可能有多个，比如：
python
text
C:\Users\Administrator\AppData\Local\Programs\Python\Python311\python.exe
C:\Users\Administrator\anaconda3\python.exe哪一个是你装 PyTorch 的那个？ 在编辑器里运行：
python
python
import sys
print(sys.executable)这会输出当前编辑器的 Python 路径。对比一下，如果和 CMD 里的不一样，就说明是环境不一致。