记录我探索深度学习的过程：阅读论文、梳理原理，并通过代码加深理解。
目前仍在探索具体研究方向。这里保留了概念推导、对模型机制的追问、论文阅读记录和 PyTorch 实践，也记录暂未理解的问题与后续修正。内容以中文为主，持续更新。
- 论文阅读：阅读记录，包括 AlexNet、ResNet，以及单层 Transformer 的强化学习后训练。
- 原理理解：RNN 学习笔记，梳理时间轴、网络深度、隐藏状态与参数之间的关系。
- 问题追踪：池化与激活的讨论，记录围绕具体机制展开的连续追问。
- 代码实践：MNIST 分类示例，包含数据加载、多层感知机、训练与测试流程。
| 内容 | 记录重点 |
|---|---|
| 机器学习 | 基础概念、训练与泛化、卷积网络与序列模型 |
| 论文阅读 | 论文方法、理解过程与阅读中的问题 |
| PyTorch | 张量操作、自动求导相关学习与代码示例 |
| Linux | 命令行与学习实践所需的基础操作 |
| 实践工坊 | 用真实命令和代码完成交互练习 |
笔记大多按日期归档；标有“暂时搁置”的内容保留了尚待继续理解的主题。
仓库包含一个 Linux 桌面实践工坊，支持执行命令与代码、检查结果，并通过可配置的模型 API 评审解释。
目前包含 Linux 文件操作练习和 PyTorch 张量基础六题。后续课程规划见 PyTorch 实践路线，使用方法见 工坊说明。
欢迎通过 Issue 讨论笔记中的具体问题、指出错误，或交流相关论文与实验思路。
这些内容是持续修订的个人学习记录。论文阅读笔记与代码练习分别呈现，阅读记录本身不代表完成了论文复现。