斯坦福CS 230，吴恩达深度学习速查表

前面介绍了吴恩达斯坦福机器学习课程CS 229速查表，其内容为机器学习领域核心知识点，其实吴恩达教授还有另一门Deep Learning课：CS 230。

同样，这门课的助教Afshine Amidi也将课程内容整理成了速查表。

该课程主要包括卷积神经网络CNN、循环神经网络RNN、和深度学习中的一些小技巧组成。

卷积神经网络CNN

目前，除了用CNN作为图像特征提取骨干网络外，还可以用ViT(Vision Transformer)，因为这门课是2019年开设的，当时虽然已经有Transformer了，但也仅限于NLP领域，ViT还没有应用于CV中，所以课程和速查表没有包含这部分内容。

但即便是现在，CNN仍是CV领域的主力军，尤其是在需要高效计算和资源受限的环境中，虽然ViT在某些任务上展示出与最先进的CNNs相媲美甚至更好的性能，但ViT存在计算效率问题，除此之外，如果想获得好的效果，还需要有大量的数据进行预训练。

循环神经网络RNN

RNN主要用于处理时序数据，目前处理时序数据效果最好的是Transformer，当下主流的大模型都是基于Transformer架构，同样，在开设这门课时虽然已经有Transformer了，但当时还没有像现在被大模型带的这么火，所以在速查表中也只是简单的提到了注意力机制。

深度学习中的一些小技巧

这里面包含了训练模型的魔法，能够让你花费最小代价取得最大的性能提升。