导读D2NNDiffractive 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