练习峰，登顶

从 引言：从公式到代码 的出发宣言，到 全连接：赤手空拳 的赤手空拳，卷积：发现装备 的发现装备，数据准备：打包行囊 的打包行囊，训练基础：登山纪律 的登山纪律，LeNet-5：练习峰首登 的首登，实验对比：登山日志 的登山日志——你爬完了第一座山。

登山上篇教会了你什么

不是"CNN 有几层"，而是"为什么 CNN 比全连接更适合图像"。

• 全连接的 20 万参数不是"算力不够"——是压根不看山体结构（归纳偏置）

• CNN 用 320 个参数做到全连接 20 万参数的事——把山的形状刻进装备里

• LeNet 证明：练习峰，可以爬

• 登山日志用数据说话：赤手空拳 vs 冰镐绳索——山不会听理论，山只看数据

---

下一步：两件事

第一件：拆开看看

你登顶了。但登山者不满足于"知道什么有用"——他们想知道：每件装备到底贡献了多少？

把卷积层拆掉会跌多少？换掉激活函数呢？去掉 Dropout 呢？

拆开看看：CNN 消融研究——拆。一件一件拆。 这是科学：控制变量，数据说话。从"我会用"到"我理解为什么"——这是一次思维跃迁。

第二件：换一座山

MNIST 是 28×28 的灰度手写数字。现实世界的山比这大 1,000 倍。

ImageNet——140 万张彩色照片，1,000 个类别。这座山在 2012 年之前从未有人登顶。

你带着练习峰上积累的每一滴经验，去面对一座真正配得上"未登峰"之名的山。

引言：真正的山——走。真正的攀登，现在开始。

---

        graph LR
    A["🏔️ 练习峰<br/>MNIST<br/>学会攀登"] --> B["🔧 拆装备<br/>消融研究<br/>每件贡献多少？"]
    B --> C["⛰️ 真正的未登峰<br/>ImageNet<br/>征服极限"]

    style A fill:#4CAF50,color:#fff
    style C fill:#FF6F00,color:#fff
    

贡献者与修订历史

查看详细修订记录

• dc35df2 2026-06-14 - Heyan Zhu: refactor: unify into two-chapter mountain-climbing narrative