深度学习

引言 人工智能正在重塑我們的世界。從 2012 年 AlexNet 在 ImageNet 上取得突破性進展，到 2022 年 ChatGPT 的橫空出世，AI 技術的迭代速度前所未有。 深度學習的崛起 import torch import torch.nn as nn class NeuralNetwork(nn.Module): def __init__(self): super().__init__() self.layers = nn.Sequential( nn.Linear(784, 256), nn.ReLU(), nn.Dropout(0.2), nn.Linear(256, 128), nn.ReLU(), nn.Linear(128, 10) ) def forward(self, x): return self.layers(x) 深度學習（Deep Learning）是機器學習的一個子領域，它使用多層神經網絡來學習數據的層次化表示。其核心優勢在於自動特徵提取——不再需要人工設計特徵，模型可以從原始數據中自主學習。 卷積神經網絡（CNN） CNN 擅長處理網格狀數據（如圖像），通過卷積核提取局部特徵。從 LeNet 到 ResNet，再到 EfficientNet，網絡架構不斷演化。 循環神經網絡（RNN） RNN 專注於序列數據處理，但存在長程依賴問題。LSTM 和 GRU 的出現緩解了這一問題，為 NLP 領域帶來了重大突破。 Transformer 的誕生 2017 年，Google 發表了論文 “Attention Is All You Need”，提出了 Transformer 架構： ...