Copy 声明

本帖基本上是原书的粘贴复制版,只是做了一些排版的问题,以及更符合 Obsidian 风格的 markdown 文件格式,如要查看原书,请点击下面链接:

PyTorch 的版本前后语义稳定,且对新手、学术研究更友好,因此本帖中自作主张,删去了所有 MXNET、TensorFlow、PaddlePaddle 部分的信息,若要查看这些知识,也请点击原书链接。

本帖也修复了 D2L-zh 中的一些翻译问题,由于时间有限,我还没有提交 pull&request 。

学前建议

我个人非常建议在学习 D2L 这本书前,先去仔细学习林轩田老师的机器学习基石与技法系列的课程,他在这门课程中非常详细地介绍了传统机器学习的来龙去脉,涉及非常多的概念和理论性认识,这对学习本书有莫大帮助。这里我给出我个人的学习笔记,读者可以边看林老师的课程、边看我的笔记加深理解:

  1. ML-Foundations-Index
  2. ML-Techniques-Index

修缮本书

目前我正在准备考研复试,因此需要快速地阅读本书,没有更多时间修缮书中的内容,如果成功上岸的话,我会结合林老师的课程,将本书中不太严谨的地方修缮一遍。

各章链接

0-Prerequisites

1-Preliminaries

2-Linear-Neural-Network

3-Multilayer-Perceptrons

4-DeepLearning-Computation

5-Convolutional-Neural-Network

6-Modern-CNN

7-Recurrent-Neural-Network

8-Modern-RNN