专题路线
深度学习 / CNN 学习专题
把神经网络基础、CIFAR-10 Tiny CNN、卷积层、池化、softmax 和反向传播组织成一条可搜索、可继续扩写的学习路线。
适合正在搜索 CIFAR-10 卷积神经网络教程、小型 CNN 图像分类、CNN 结构解释和反向传播入门的读者。
你会完成什么
你会完成一个小型 CNN 图像分类项目，并能读懂输入格式、网络结构、训练输出和常见错误。
推荐阅读顺序
先建立概念，再进入可运行项目
神经网络基础：从感知机到多层网络
从一个神经元讲起，解释权重、偏置、激活函数、前向传播、反向传播和典型神经网络训练循环。
CIFAR-10 Tiny CNN 教程：用 C 语言实现小型卷积神经网络图像分类
用单文件 C 程序完成 CIFAR-10 小型 CNN 图像分类，讲解数据格式、网络结构、训练命令、loss、accuracy、常见错误和改进方向。
模型训练与评估入门：损失函数、过拟合和准确率怎么理解
讲清楚模型训练中的参数、损失函数、梯度下降、过拟合，以及准确率、召回率、F1 等分类评估指标。
过拟合和欠拟合怎么解决：机器学习模型调优实战指南
用训练分数和验证分数判断过拟合与欠拟合，并通过模型复杂度、正则化、交叉验证和特征工程调整机器学习模型。
资源与分发素材
代码、数据、图示和可分享摘要集中管理
人工智能项目 / CODE
cifar10_tiny_cnn.c 源码
单文件 C 语言 tiny CNN，包含 CIFAR-10 读取、卷积、池化、softmax 和反向传播。
人工智能项目 / DATASET
model_weights.bin 样例权重
一次本地小样本运行生成的模型权重文件。
人工智能项目 / DATASET
test_predictions.csv 预测样例
CIFAR-10 tiny CNN 输出的测试预测样例。
人工智能项目 / DIAGRAM
CNN 项目说明 PDF
配套 CNN 项目说明材料。
人工智能项目 / SOCIAL
深度学习专题分享图
用于分享深度学习 / CNN 专题页的 1200x630 SVG 图。
站点建设项目 / VIDEO
SEO 分发短视频脚本
4 个内容集群的 45-60 秒短视频脚本，可后续交给 Remotion 制作。
常见问题
把搜索问题直接回答清楚
这个专题适合没有深度学习经验的读者吗？
适合有编程基础的读者。建议先读神经网络基础，再进入 CIFAR-10 Tiny CNN。
为什么第一版用 C 写 CNN，而不是只用 PyTorch？
C 版本会暴露数据布局、卷积循环和参数更新细节，适合作为理解框架之前的底层练习。