# 《动手学深度学习》 - 7天学习计划

## 第1天：基础安装与环境配置
- 深度学习简介和发展历史
- 环境安装指南
- GPU/CPU配置
- Jupyter Notebook使用

## 第2天：基本线性代数与自动求导
- 张量操作
- 自动求导基础
- PyTorch/TensorFlow快速入门
- 优化器（SGD、Adam）

## 第3天：训练与验证
- 数据预处理
- 小批量随机梯度下降
- 训练与验证轮次
- 过拟合与欠拟合

## 第4天：卷积神经网络
- 卷积运算原理
- 常见CNN架构（LeNet、AlexNet、VGG）
- 池化层
- CNN在图像识别中的应用

## 第5天：计算机视觉
- 目标检测基础
- 图像分割方法
- 视频处理简介
- CNN模型改进

## 第6天：注意力机制
- Seq2Seq模型
- 注意力机制原理
- Transformer基础
- 自注意力机制

## 第7天：高级主题与总结
- 计算性能优化
- 分布式训练概览
- 深度学习部署
- 项目实践方向