项目驱动的卷积神经网络入门
用 4 个项目，把 PyTorch 与优化理论从「会用」推进到「能讲清楚」
项目驱动
不堆概念，每个 demo 是一个端到端项目，从 issue 到 method 到 evaluation 的完整闭环
真实数字
跑出真数字、画真图、算真损失，不写「看起来不错」的模糊结论
设计可迁移
掌握「模型怎么参数化 + 目标函数怎么设计」两问，后续 CNN 与更大模型是同一思路的实例
章节列表
- Ch 1 · Python 光速扫盲：基础语法、类型注解、uv 工具链
- Ch 2 · 线性代数扫盲：向量、矩阵、SVD 几何意义
- Ch 3 · 最优化扫盲：梯度下降、牛顿法、KKT、对偶
- Ch 4 · 优化的简单应用：OLS / Ridge / Lasso / LogReg / Softmax / SVM / 速度规划
阅读方式
每章 1-2 小时。按顺序读。每章末尾会明确暴露下章 Issue。
代码与测试在 articles/<ch>/code/ 与 articles/<ch>/tests/ 下，本地克隆后可 uv sync && pytest 跑通。