为什么要先把微积分理解成变化率而不是理解成恐怖符号
这节解决什么：这一节主要解决的是：当你面对《附录A 微积分简介》里的核心困境时，究竟该先抓哪个变量，才能让抽象困惑变成可执行实验。
怎么用到自己的系统：适合拿来重新定义你现在真正卡住的是结构直觉、公式翻译还是代码落地。 你可以直接把“为什么要先把微积分理解成变化率而不是理解成恐怖符号”改写成自己接下来七天的一项微实验。
提醒：常见误区是看完觉得道理都懂，却没有把问题写成具体情境。
章节
附录A 微积分简介
作者不是要把你变成数学家，而是帮你抓住梯度直觉：变化率到底是什么，为什么它能指挥学习
附录 A 用汽车速度和斜率这样的例子，把微积分从恐怖符号重新翻译成“变化率”和“局部斜率”的常识语言。
章节主张
神经网络里的微积分之所以重要，不是因为它高深，而是因为权重更新必须知道误差对参数变化有多敏感。
中文释读
很多人学神经网络时最怕的不是 Python，而是看到导数就立即退缩。这个附录的好处在于，它试图把微积分从神坛上请下来：先让你接受“某一点的变化率就是某一点的斜率”，再逐步把差分、极小变化和函数变化连接起来。只要你真正抓住梯度的直觉，反向传播就不会再是凭空落下来的公式雨，而会变成一件很合理的事：我们不过是在问，某个参数轻轻动一下，误差会朝哪个方向变、变多少。
本章知识路线
关键论点
- 微积分在这里不是目的，而是理解学习方向的语言工具。
- 梯度的意义，在于把“怎么改参数”这件事变成了局部敏感度判断。
- 一旦把变化率看懂，反向传播中的许多符号都会自然落位。
- 害怕微积分的人，往往真正缺的是动作直觉，而不是算术能力。
行动清单
- 先把导数翻译成“往右挪一点，结果会变多快”。
- 不要急着背公式，先确认每一步都在比较什么变化。
- 把微积分附录和权重更新公式来回对照着看。
- 只要遇到梯度，就问：它是在评价哪个变量的敏感度。
源章节深读
斜率、差分和局部变化如何一步步靠近导数
这节解决什么：这一节主要解决的是：当你面对《附录A 微积分简介》里的核心困境时，究竟该先抓哪个变量，才能让抽象困惑变成可执行实验。
怎么用到自己的系统：适合改写成自己这一周马上能执行的一条建模提醒或实验限制条件。 你可以直接把“斜率、差分和局部变化如何一步步靠近导数”改写成自己接下来七天的一项微实验。
提醒：常见误区是一下改太多，结果无法判断究竟哪一步有效。
梯度直觉为什么能直接照亮权重更新
这节解决什么：这一节主要解决的是：当你面对《附录A 微积分简介》里的核心困境时，究竟该先抓哪个变量，才能让抽象困惑变成可执行实验。
怎么用到自己的系统：适合和同伴、搭档或团队讨论，看你是否在用错数据、误解了梯度或跳过了验证。 你可以直接把“梯度直觉为什么能直接照亮权重更新”改写成自己接下来七天的一项微实验。
提醒：常见误区是把建议听成结论，而不是把它当成校准提示。
把附录里的变化率语言接回神经网络训练公式
这节解决什么：这一节主要解决的是：当你面对《附录A 微积分简介》里的核心困境时，究竟该先抓哪个变量，才能让抽象困惑变成可执行实验。
怎么用到自己的系统：适合在下一次训练或实验开始前提前布置，不要等结果混乱后才想起来。 你可以直接把“把附录里的变化率语言接回神经网络训练公式”改写成自己接下来七天的一项微实验。
提醒：常见误区是等风险已经成型时才补救，成本会更高。
辨析题
为什么作者专门给神经网络读者补一个微积分附录？
因为如果看不懂变化率和斜率，后面的误差更新就会变成纯背诵，而不是可理解的学习过程。
