DEEP LEARNING · COURSE 01

深度学习是什么，
什么时候适合使用？

先认一个手写数字，再理解模型怎样学习。
第一课，我们从直觉出发，不急着推导公式。

从一个数字开始 ↓直接体验实验

零基础约 30–40 分钟10 个学习环节

本课你将能够

说清深度学习的基本含义
区分训练与预测
为一个场景选择合理的起点

先遇见问题

这张图片，写的是哪个数字？

假设你要帮快递站录入手写单据。数字有粗有细，有的歪斜、有的连笔。人能快速辨认，但怎样把“认数字”的规则写给电脑？

一张真实的低分辨率数字图片

先用你的直觉判断

请选择最像的数字。图片来自公开教学数据集，答案在选择后揭晓。

先观察轮廓，再作判断。你也可以直接查看答案。

难点不是记住这一张图

如果我们写一条“有两个圈就是 8”的规则，圈没闭合时怎么办？数字倾斜时怎么办？机器学习提供了另一条路：用很多带答案的例子，学习能用于新图片的规律。

基础词汇 · 像素、样本、标签

电脑接收到的，是一组数值

一张数字图片可以看作一个方格表。每个小格叫“像素”，数值表示它的明暗。本课图片只有 8 × 8 个像素，便于看清每一个数。

显示每个像素的数值

样本: 一条记录。这里就是一张图片。
特征: 输入模型的描述信息。本例直接使用 64 个像素数值。
标签: 训练时提供的正确答案。本例是数字 0 到 9 中的一个。

0 · 暗16 · 亮

把 8 行依次接起来，可以得到长度为 64 的数值序列。模型接收图片数值；标签单独保存，不偷偷放进输入里。

查看完整的 8 × 8 像素数值表

挑战图片原始像素值（0–16）
行 / 列	2	3	4	5	6	7
1	0	2	13	13	1	0
2	0	8	16	14	4	0
3	0	5	16	10	8	4
4	0	1	16	16	10	2
5	2	15	13	12	0	0
6	5	12	3	15	1	0
7	0	14	3	13	4	0
8	0	3	15	13	1	0

概念地图

深度学习，是机器学习中的一类方法

先分清三个经常一起出现的词。它们不是三个并列、互不相关的东西。

人工智能 · AI

让机器完成识别、推理、决策等任务的广泛领域。

机器学习 · ML

从数据中学习规律，用于预测、分类或其他任务。

深度学习 · DL

使用多层神经网络，逐层学习数据的表示。

“深”指的是处理层次

神经网络由许多可调整的计算单元组成。一层接一层地转换信息，叫做多层处理。“深”不是“像人一样深入思考”，层数更多也不保证更准确。深度学习并没有一个适用于所有场合的固定层数门槛。

人工写规则

把判断方法写清楚

例如：分数达到 60 就算及格。规则明确、稳定时非常合适。

机器学习的一般思路

从样本学习关系

先确定输入与目标，再用数据学习判断方法。KNN、决策树和神经网络都是例子。

深度学习的特点

连特征表示也一起学

多层网络可以学习有利于任务的中间表示，但仍需要人定义目标、准备数据和检查结果。

先理解层次，再学习公式

把简单线索，一层层组合起来

“表示”可以理解为模型内部描述信息的一组数值。下面用视觉识别建立直觉；具体网络学到的内容不一定能直接翻译成人类概念。

输入的是数值

像素

把图片变成明暗数值。同一张图中的像素位置很重要，位置改变可能影响结果。

上图是帮助理解层次的概念示意，不是实验模型内部的真实可视化。后面的实验使用一个小型全连接网络，不假设它的每一层真的在识别“边缘”或“圆圈”。

64像素输入图片展开为数值

32隐藏层一一组可学习的计算

16隐藏层二继续组合前层结果

10类别输出数字 0 到 9

训练 ≠ 预测

学习发生在参数被调整的时候

用题目和答案练习是训练；拿学到的方法回答新问题是预测。两者都需要计算，但只有训练会按照学习规则更新参数。

步骤 01

准备样本与标签

样本是一条输入记录，例如一张图片。标签是这条记录对应的答案，例如数字 8。先把一部分数据留出来，最后再考试。

训练样本：图片 + 已知数字

本课是带标签的监督学习例子。深度学习也可以采用自监督等其他学习方式。

训练时

图片 + 标签 → 比较错误 → 更新参数

预测时

新图片 + 已有参数 → 输出预测

互动实验 · 真实小模型

改一改输入，看看模型怎么判断

你不需要写代码。选择一个样本，改变位置、遮挡或噪声，观察同一个模型的输出。

动手任务

先观察原图，再把图片向右移一格或遮住上方几行。比较预测是否改变：分数可能下降，也可能错误地升高。

选择数字样本

同一数字的不同写法

水平移动遮挡上方 0 行添加固定的轻微噪声

当前输入 · 8 × 8 像素

原图标签：8 · 原始测试样本

“原图标签”说明图片的来源；严重遮挡后，画面可能已经无法辨认。

固定模型的即时计算

模型当前倾向于数字 1。与这张原图的标签不一致。

数字 173.8%
数字 817.8%
数字 46.5%

这里的百分比是模型输出，不是“保证正确”的概率。模型没有在你操作时重新训练。

为什么一格的移动也可能影响结果？

这个小模型直接接收固定位置的 64 个数值，没专门学会应对位置变化。移动后，笔画落在不同的输入位置，输出就可能改变。第 07 课会进一步讨论卷积网络如何利用局部结构；它也不是对所有变化都免疫。

查看实验来源、训练方式与局限

使用 scikit-learn 的 digits 数据集：1,797 张 8 × 8 灰度图片，每个像素取值 0–16。本实验不是 MNIST，也不是通用手写识别服务。

固定随机种子 42，按类别比例划分：训练池 1437 张、独立测试集 360 张。训练池内部再留出约 10% 用于提前停止判断。网络有两个隐藏层（32、16 个单元），本次训练进行了 64 轮，原始测试集准确率为 93.9%。

页面从测试集中按顺序取每类前三张，共 30 张，不按预测是否正确筛选。移动、遮挡与噪声在浏览器中计算；模型参数固定。上述准确率只针对原始测试集，不代表修改后图片或现实业务上的表现。小型全连接网络用于建立直觉，不代表深度学习的最佳实践。

数据集官方说明 ↗

从算法回到问题

不是所有问题，都需要深度学习

选择方法时，先看任务、数据和成本。训练一个新模型、微调已有模型、直接调用已有能力，要求和投入都不一样。

更值得尝试

大量图片中的外观缺陷、语音转文字、复杂文本分类

输入变化丰富，人工规则很难覆盖。可以从已有模型开始，用真实业务数据验证。

先比较简单模型

用客户年龄、次数、金额等表格字段预测流失

这类任务也能使用神经网络，但树模型或线性模型可能已经足够。复杂度不是效果保证。

优先规则或先补条件

按固定公式计算费用；没有可靠标签却要求零错误识别

前者规则清楚；后者缺少验证条件。先解决规则、数据或容错问题，再谈模型。

回到手写单据的例子

实验能认数字，不等于单据录入已经解决：真实单据还需要定位字段、处理模糊图片、检查错误、保护数据并安排复核。模型准确率只是整个产品的一项指标。

可选代码实践 · 每行都有说明

用代码走一遍完整流程

前面的实验模型，就是通过下面这段代码训练的。先认出“数据、训练、测试、预测”四个动作，再逐步理解参数。

这一节可以先读懂，再动手运行

Python 是本例使用的编程语言，scikit-learn 是提供数据与训练工具的库。这里先用它观察“准备数据 → 训练 → 测试”的完整流程，不要求你现在就能写出训练算法。第 15 课再使用 PyTorch 搭建完整项目。

准备运行环境（可选）

在已安装 Python 3.12 的电脑中，打开终端并执行下面的安装命令。终端是输入命令的窗口，此命令只安装本地学习所需的库。

python -m pip install scikit-learn==1.7.2

下载代码后，在文件所在目录运行：

python deep-learning-intro.py

不需要显卡，也不需要另外下载数据。未准备环境时，先看下面的逐行说明即可。

deep-learning-intro.py

下载完整代码 ↓

第一步：读取图片与答案

from sklearn.datasets import load_digits
导入示例数字数据的读取工具。sklearn 是 scikit-learn 在代码中的名字。
from sklearn.model_selection import train_test_split
导入划分数据的工具，把一部分样本留到最后测试。
from sklearn.neural_network import MLPClassifier
导入多层感知机分类器：一种由多个计算层组成的神经网络。
digits = load_digits()
读取库自带的 8 × 8 数字图片及答案；不需要另外下载 MNIST。
X = digits.data / 16.0
X 保存像素特征；把原本 0–16 的值除以 16，缩放到 0–1。
y = digits.target
y 保存正确的数字标签，与 X 的每一行一一对应。

第二步：划分数据、设置模型

X_train, X_test, y_train, y_test = train_test_split(
把输入与标签一起划分，得到训练池和测试集，避免错位。
X, y, test_size=0.2, random_state=42, stratify=y
保留约 20% 用于测试；固定随机种子；尽量保持各数字的占比。
)
结束这次数据划分调用。测试集不用于调整模型参数。
model = MLPClassifier(
创建模型。此时还没有学习，只是设定结构与训练方式。
hidden_layer_sizes=(32, 16), max_iter=400,
设置两个隐藏层，分别有 32、16 个计算单元；最多训练 400 轮。
early_stopping=True, random_state=42
从训练池内部再留出验证数据，效果不再改善时提前停止；固定初始化种子。

第三步：训练、评估与预测

)
结束模型配置。隐藏层、参数与训练细节将在后续课程展开。
model.fit(X_train, y_train)
执行训练：模型反复计算预测、比较标签，并更新参数。
accuracy = model.score(X_test, y_test)
在独立测试集上计算准确率，也就是预测正确的样本比例。
prediction = model.predict(X_test[:1])[0]
用训练好的模型识别第一张测试图片；这里不更新参数。
print(f"测试集准确率：{accuracy:.1%}")
打印测试结果，保留一位小数。不同库版本或运行环境可能有细微差异。
print(f"第一张测试图片：预测 {prediction}，真实标签 {y_test[0]}")
同时显示模型预测与真实标签，便于检查一次具体判断。

本次实际运行记录

独立测试集：360 张 · 准确率：93.9%

这是这次固定划分与配置的结果，不是对其他数据的承诺。测试集用于最后评估，不应反复用于调参。

课程总结

先记住这五件事

你不需要今天就理解所有公式。建立下面这些判断，下一课就有了起点。

深度学习属于机器学习，它用多层神经网络学习表示。
图片对电脑而言是一组数值，标签是单独提供的答案。
训练调整参数；预测使用参数，两者不能混为一谈。
模型可能自信地出错，必须用合适的新数据检验。
先定义任务、建立简单基线，再比较深度学习的收益。

下一课 · COURSE 02

从一个神经元到多层神经网络

我们会拆开一个计算单元，亲手调整权重，观察它怎样改变输出。

第一阶段 · 第 2 课

开始下一课 ↗