super-cheatsheet-deep-learning.pdf

1. 卷积神经网络（CNN）

• 1.1 卷积操作与滤波器
• 1.2 池化层与降采样
• 1.3 经典架构（如LeNet、ResNet）
• 1.4 应用场景（图像分类、目标检测）

2. 循环神经网络（RNN）

• 2.1 循环单元与时间序列建模
• 2.2 LSTM与GRU结构
• 2.3 序列到序列模型（Seq2Seq）
• 2.4 应用场景（文本生成、机器翻译）

3. 深度学习技巧与调优

• 3.1 优化方法（如Adam、SGD）
• 3.2 正则化技术（Dropout、权重衰减）
• 3.3 超参数调优策略
• 3.4 训练加速与硬件利用