资源介绍
拿起这本书的时候，我其实有点犹豫——市面上讲神经网络的数学基础的书不少，但大部分要么太偏理论、堆满公式让人望而生畏，要么太偏代码、只告诉你怎么调用API却不解释背后到底发生了什么。而这本由T Aadhya编写的练习册，恰好走了一条不太一样的路：它既不是传统意义上的教科书，也不是单纯的操作手册，而是一本需要你拿起笔来动手算的习题集。整本书包含了400道精心设计的练习题，覆盖了21个章节、6大模块，从最基础的向量和矩阵运算一路走到卷积神经网络和Transformer架构，每一道题都配有详细的逐步解答，而且特别贴心的是，书里为每道题都标注了难度等级——初级、中级和高级，大约四成的题目属于代入公式就能算的入门级，五成是需要在多个概念间穿梭的中级题，剩下约一成的专家题则涉及符号推导和多步综合运算，适合准备研究或技术面试的读者挑战自我。作者在序言里写了一段话让我印象很深，他说这本书是写给那些看过神经网络架构图然后好奇"实际的数学运算到底是什么"的人的——不是高层的直觉描述，而是真实的计算过程：输入什么数字、做了什么乘法、施加了什么非线性、输出了什么结果。在他看来，神经网络的每一层无非就是在做那几样事情：加权求和、逐元素函数、归一化或者相似度评分，而把这些简单的算术组合起来，就构成了能识别人脸、翻译语言甚至编写代码的复杂系统。这本书最打动我的地方在于它的题目结构极其规整——每道题都包含难度徽章、概念描述、问题陈述、给定数值、图表说明和逐步解答六个部分，读者完全可以按照推荐的学习路径花80到120个小时顺序刷完400题，也可以根据自己的需要跳读，比如搞不清卷积反向传播就翻到第173题和第312题，想复习Adam优化器的更新规则就去看第182题。对于已经能写代码实现模型但面对论文中的数学推导仍然心虚的从业者来说，这本书的价值在于它把PyTorch和TensorFlow在每个训练步骤中自动完成的计算一步一步拆解给你看，让你不再对那些矩阵求导和梯度传播感到神秘。对于刚学完课堂理论想真正练出计算功力的学生来说，刷完这400道题带来的肌肉记忆，恐怕比读十篇综述文章更扎实。书中的图表说明以黄色方框的形式出现，详细描述了插画师应该绘制什么——坐标轴标签、颜色编码、注释标注都一一标明，虽然目前看到的是待填充的占位符，但这也意味着读者可以借助这些文字描述自己在脑海中构建可视化图像，或者在未来的印刷版中获得完整的配图支持。如果你正在寻找一本既能帮你从零搭建数学基础、又能逐级提升到Transformer级别复杂计算的实战型学习材料，这本习题集值得放在你的书桌上常备。