CNN 深度學習系列教程索引

本系列教材涵蓋從 CNN 基礎理論、Keras 與 PyTorch 雙框架實作，到進階的 CIFAR-10 影像分類與模型優化技巧。

課程章節 / 檔案	內容摘要
📖 完整學習導覽 (README) 總覽	本系列教材的總目錄與學習路徑圖。詳細介紹四個部分的內容架構（基礎、PyTorch 實作、CIFAR-10 進階、實戰技巧），並提供適合初學者到進階者的學習路線建議。
🚀 CNN 基礎與 PyTorch 快速入門 理論 PyTorch	單一檔案完整教學。涵蓋深度學習 vs 機器學習、CNN 核心架構（卷積、池化、ReLU）、運作原理圖解，並提供一個完整的 PyTorch CIFAR-10 訓練範例與 Kernel 視覺化。
Part 1: 基礎知識與 Keras 實作 基礎 Keras	介紹 MNIST 手寫數字與 CIFAR-10 資料集、比較 Keras 與 PyTorch 框架差異。實作部分使用 Google Colab 環境與 Keras 框架搭建經典的 LeNet-5 模型。
Part 2: PyTorch 深度實戰 PyTorch 核心觀念	專注於 PyTorch 框架的底層實作。深入講解 Tensor、Autograd、DataLoader 等核心概念，並手把手教學如何從頭搭建訓練迴圈，實作 SimpleCNN 達到 99% MNIST 準確率。
Part 3: CIFAR-10 進階實戰 進階 Keras PyTorch	挑戰更複雜的彩色影像分類。探討資料增強 (Data Augmentation) 技術的重要性，並設計包含 Batch Normalization 與 GAP 的現代化 DeepCIFAR 架構來提升準確率。
Part 4: 實戰技巧與理論總結 調參 數學原理	集大成之作。涵蓋模型不收斂的診斷流程、過擬合/欠擬合的解決方案、學習率與 Batch Size 的超參數調整指南，以及 CNN 反向傳播與優化器的完整數學理論總結。