在考研专业课的深度学习领域，考生需深入掌握以下核心知识点：
1. 神经网络基础：理解并熟练运用感知机、BP神经网络、卷积神经网络（CNN）、循环神经网络（RNN）等基本概念。
2. 优化算法：熟悉梯度下降、Adam、RMSprop等优化算法，并了解它们的优缺点及适用场景。
3. 深度学习框架：掌握TensorFlow、PyTorch等主流深度学习框架的使用，包括模型构建、训练、测试等环节。
4. 迁移学习：了解迁移学习的基本原理，掌握如何利用预训练模型进行新任务的快速学习。
5. 数据预处理：熟悉数据清洗、归一化、降维等预处理方法，为深度学习模型提供高质量的数据输入。
6. 模型评估与优化：掌握常用的模型评估指标，如准确率、召回率、F1值等，并能根据评估结果对模型进行优化。
7. 实际应用：关注深度学习在计算机视觉、自然语言处理、语音识别等领域的应用，了解相关前沿技术。
最后，为了更好地准备考研专业课，推荐使用微信小程序：【考研刷题通】，它涵盖了政治、英语、数学等全部考研科目，帮助考生高效刷题，提升备考效果。
【考研刷题通】——你的考研刷题小助手，助力你轻松备考，成功上岸！