人工智能系列教程[目录]

这里是人工智能系列教程的目录~

写在前面，为啥要出这个系列的教程呢？

总的说来，我们现在有了很多非常厉害的深度学习框架，比如tensorflow，pytorch，paddlepaddle，caffe2等等等等。然而，我们用这些框架在搭建我们自己的深度学习模型的时候，到底做了一些什么样的操作呢？我们试图去阅读框架的源码来理解框架到底帮助我们做了些什么，但是……很难！很难！很难！因为深度学习是需要加速啦，分布式计算啦，所以框架做了很多很多的优化，也让像我们这样的小白难以理解这些框架的源码。所以，为了帮助大家更进一步的了解神经网络模型的具体内容，我们整理了这样一个系列的教程。

对于这份教程的内容，如果没有额外的说明，我们通常使用如下表格的命名约定

符号	含义
X	输入样本
Y	输入样本的标签
Z	各层运算的结果
A	激活函数结果
大写字母	矩阵或矢量，如A,W,B
小写字母	变量，标量，如a,w,b