导读
D2NN（Diffractive Deep Neural Network，衍射神经网络）逐渐成为光学人工智能领域的热门研究方向。大量研究开始围绕衍射神经网络展开，包括光学分类、光学计算、计算成像、超表面设计以及光通信等方向。对于刚接触该领域的同学来说，D2NN似乎并不复杂：输入光场经过若干层衍射结构传播后，在输出面形成不同的能量分布，从而完成分类或推理任务。但真正开始阅读论文或复现代码时，往往会遇到许多问题。例如：为什么相位分布可以看作神经网络权重？菲涅耳传播和角谱传播到底有什么区别？论文中的传播矩阵是如何建立的？PyTorch中的复数运算如何实现？D2NN网络结构应该如何搭建？
训练完成后的相位分布又该如何映射到实际光学器件？因此，我撰写了D2NN衍射神经网络教程，近15000字，从原理、数学模型到逐行代码实现，对整个流程进行一次系统梳理。为了方便大家理解，教程所有关键模块都会结合公式和逐行代码进行说明，重点解释每个参数、每个函数以及每一步计算对应的物理意义，而不仅仅是给出一个能够运行的程序。
一、教程目录
二、教程内容展示
2.1 第三章部分相关内容
2.2 实战代码相关内容
2.3 数据集源代码及仿真结果相关内容
2.4 第七章部分相关内容
2.5 评估代码
2.6 运行结果
2.7 赠送教程
