本书讲解深度学习中的相关算法，通过细致地介绍和生动形象的实例，帮助读者理解深度学习的原理，打开了解ChatGPT、DeepSeek等近期主流模型的大门。 本书共14章，采用循序渐进的结构，从基础模型开始，逐步介绍复杂模型架构，最终聚焦于大模型的技术原理和应用实践。第1章是绪论，介绍大模型的背景，第2~13章介绍各类深度学习和大模型的原理，第14章讨论当前人工智能的缺陷，以及研究人员为了解决这些缺陷所做出的努力。 本书内容翔实、覆盖面广，在讲解过程中列举了生动形象的实例，适合对深度学习感兴趣的初学者入门，并为作为领域的专业人士的参考读物。

王翔宇，在大型证券公司担任算法工程师、技术专家，有近10年金融科技相关工作经验，从事金融产品分析、算法研究、量化投资工作。在CSSCI核心期刊、CPCI会议等发表多篇论文。在CSDN技术社区发表深度学习、机器学习、大模型、Python技术相关原创博客30多篇，总阅读量超18万人次。

前言 深度学习的浪潮席卷而来，尤其是大模型的兴起，不仅在学术领域持续突破边界，更在实际应用中展现出越来越强的生命力。从早期的神经网络模型到如今参数规模惊人的大模型，技术的迭代速度之快，让每个关注它的人都深感探索的必要。 目前的学习环境远比过去便利。互联网构建起了触手可及的知识网络，从经典论文中模型设计的原始灵感，到技术博客中深入浅出的拓展思考； 从视频网站中生动直观的原理讲解，到GitHub等代码仓库中可直接复现的模型代码； 从深度学习社区中实时的互动问答，到豆包、DeepSeek等AI工具精准高效的辅导。这无疑是一个学习成本极低的时代，愿我们都能利用好这些资源，在探索中少走弯路。 笔者是一名对深度学习抱有浓厚兴趣的从业者，工作之余，喜欢了解和思考深度学习和大模型的原理，经整理后总结成博文，在机缘巧合之下，这些原本只为自用的笔记，有了被整理成书的机会。这离不开身边家人及朋友的鼓励，更要感谢出版社的信任，让我有勇气把这些学习心得分享出来。结合自己的学习经历，笔者深感数学与代码相结合是理解模型原理的有效方式。从模型设计的数学逻辑，到代码的实现细节，形成完整的闭环，往往能带来更深刻的理解。当思维困于晦涩的技术原理时，分析代码并调试运行，往往会让人豁然开朗。 本书共14章，第1章为绪论，介绍大模型的背景。第2~5章，分别介绍深度学习的基础模型，这些模型成为深度学习的基本元素。 第2章多层感知机，多层感知机是神经网络最基础的模型，具有重要意义。本章介绍了神经网络的基本组成单元——神经元和激活函数，讲解神经网络基本的计算和训练过程——前向传播和误差反向...