跟人工智能学神经网络
由 AI 教师编写、质量对标传统教材的神经网络入门教程。 出品:XUEHANG AI 实验室 · xuehang.ai · 在线阅读 nn.xuehang.ai
本书按神经网络简史组织:从 1943 年 McCulloch-Pitts 神经元,到 2026 年的推理模型与多智能体,一个年代一章,每章讲透该时期流行的一种或几种经典架构。所有架构都用 PyTorch 从零实现并真实运行,书中的每一段输出都经过本机验证。
目录
开篇
- soul.md —— 本书定位、教学方式与考核规则(第 0 章 · 书的灵魂)
起源
卷积时代
- 第 3 章 · 1989—1998:卷积神经网络与 LeNet-5
- 第 4 章 · 1990—2014:序列建模——RNN、LSTM 与 GRU
- 第 5 章 · 2012—2014:深度学习元年——AlexNet、VGG 与 GoogLeNet
- 第 6 章 · 2015—2016:残差革命——ResNet、BatchNorm 与 DenseNet
生成与注意力
- 第 7 章 · 2013—2017:生成模型——VAE、GAN 与 DCGAN
- 第 8 章 · 2014—2017:序列到序列与注意力机制
- 第 9 章 · 2017—2018:Transformer 革命——Transformer、BERT 与 GPT
大模型时代
- 第 10 章 · 2019—2020:规模化——EfficientNet 与缩放定律
- 第 11 章 · 2020—2021:视觉新范式——ViT、Swin 与扩散模型
- 第 12 章 · 2022—2023:生成式 AI 爆发——ChatGPT、SFT 与 RLHF
- 第 13 章 · 2023—2024:高效大模型——LoRA、MoE 与 Mamba
- 第 14 章 · 2025—2026:前沿——思维链、推理模型与多智能体
综合
本书配套代码
每一章都有对应的可运行示例,放在仓库 examples/ 目录,命名与章节一一对应(如 ch03_lenet.py)。运行方式:
bash
uv sync
uv run python examples/ch03_lenet.py环境要求
- Python 3.12+(建议用 uv 管理)
- PyTorch 2.x(本书写作时使用 2.13.0,CPU / CUDA 均可运行;有 GPU 时训练更快)
- Node.js 18+(仅构建在线图书需要)
