读完，记住这三件事
中文重点笔记
从手写数字识别入手，先理解输入、权重和输出，再看复杂模型。
- 像素亮度变成输入数字，网络逐层计算。
- 权重和偏置共同影响神经元的激活值。
- 整个网络是一个可调参数的函数，学习就是调整这些参数。
整理依据：原作者配套图文。这是本站简要导读，不是视频完整转录或逐字翻译。
必得工坊的观看建议
先建立一张看得懂的结构图，后面再遇到训练、大模型和注意力，就有可以放置新知识的位置。
建议基础：不需要编程经验；知道加法和乘法即可开始。
把理解，变成一个小练习
先想一想
网络识别错了一个数字，应该改输入、参数，还是输出标签？分别在什么情况下合理？
再动手做
在纸上画一个“两输入、一输出”的神经元，自选权重和偏置，手算三组输入的结果，再改变一个权重比较差异。
本站原创练习，非原作者课程作业。
也可以让 AI 陪你练
请用两输入、一个输出的简化例子，带我手算加权和与偏置。每次先出题，等我回答再讲解。说明这个例子省略了哪些真实神经网络细节，最后检查我能否区分输入、参数和输出。
把这份笔记带走
包含中文要点、练习和来源，复制后可贴进自己的笔记或 AI 助手。
可直接选中文本复制。文件使用 Markdown 格式，以 TXT 提供。
原作者与资料来源
- 【官方双语】深度学习之神经网络的结构 Part 1 ver 2.0 ↗B站发布者：3Blue1Brown · 官方账号；译制署名见原视频。
- But what is a Neural Network? ↗原版作者：Grant Sanderson / 3Blue1Brown。
- 作者配套图文与互动解释 ↗配套原文日期：2017-10-05；笔记依据本页整理。
中文导读与练习：必得工坊 · 2026-11-04 核验。视频版权归原权利人，本站通过官方播放器展示，不重上传视频。封面为本站自制导读图；收录不表示原作者与本站有商业合作。