李沐「动手学深度学习」中文课程笔记来了!代码还有详细中文注释

简介: 李沐「动手学深度学习」中文课程笔记来了!代码还有详细中文注释
markdown笔记与原课程视频一一对应, J upyter代码均有详细中文注释,这份学习笔记值得收藏。

去年年初,机器之心知识站上线了亚马逊资深首席科学家李沐博士的「动手学深度学习」中文系列课程。这门课从3月持续到8月,超过28000人参与了直播,课程回放在 B 站的播放量达到了上百万次。


这门课程基于李沐等人编写的《动手学深度学习》第二版。《动手学深度学习》既有开源项目,也有纸质书,它覆盖了90年代至今重要的模型,特别是每一章都是一个Jupyter记事本,提供了所有模型的完整实现,并在真实数据上运行从而获得直观体验。目前,它已经被全球 55 个国家 300 所大学用于教学。第2版新加了大量内容,如近年来异常火热的Transformer,同时也新增了Numpy/MXNet、PyTorch和TensorFlow 2.0b版本的实现。

在课程完结时,很多人都表示自己从这门课程中受益匪浅,其中既有深度学习从业者,也有跨学科学习者,既有20出头的学生,也有50多岁还在努力充实自己的职场人士。



从这些评论可以看出,大家在上课时听得都很认真,很多同学在参与课程的过程中还做了笔记,当然也有同学可能没有时间做笔记或者还没抽出时间深入学习这门课。针对这部分同学,我们最近发现了一个非常适合你的学习资源:这门课程的markdown笔记和相关的Jupyter代码。

项目主页:李沐「动手学深度学习」系列直播完结,斯坦福CS 329P新课上线

这个项目的两位组织者来自哈工大,他们和其他几位同学利用寒假时间学习了「动手学深度学习」中文系列课程,并共同整理了这份学习资料。


该项目的特色是:

  1. markdown笔记与原课程视频一一对应,可以帮助大家一边听课一边理解。
  2. Jupyter代码均有详细中文注释,帮助大家更快上手实践。


打开其中一个链接,我们可以看到详尽的记录和整洁的版面。

目前,该项目在GitHub上的star量已经达到200+,有需要的同学可以前往项目主页获取资料。

相关文章
|
2月前
|
机器学习/深度学习 算法 测试技术
深度学习环境搭建笔记(二):mmdetection-CPU安装和训练
本文是关于如何搭建深度学习环境,特别是使用mmdetection进行CPU安装和训练的详细指南。包括安装Anaconda、创建虚拟环境、安装PyTorch、mmcv-full和mmdetection,以及测试环境和训练目标检测模型的步骤。还提供了数据集准备、检查和网络训练的详细说明。
136 5
深度学习环境搭建笔记(二):mmdetection-CPU安装和训练
|
2月前
|
机器学习/深度学习 数据可视化 计算机视觉
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
这篇文章详细介绍了如何通过可视化深度学习中每层特征层来理解网络的内部运作,并使用ResNet系列网络作为例子,展示了如何在训练过程中加入代码来绘制和保存特征图。
68 1
目标检测笔记(五):详细介绍并实现可视化深度学习中每层特征层的网络训练情况
|
2月前
|
机器学习/深度学习
深度学习笔记(十二):普通卷积、深度可分离卷积、空间可分离卷积代码
本文探讨了深度可分离卷积和空间可分离卷积,通过代码示例展示了它们在降低计算复杂性和提高效率方面的优势。
230 2
深度学习笔记(十二):普通卷积、深度可分离卷积、空间可分离卷积代码
|
2月前
|
机器学习/深度学习 并行计算 PyTorch
深度学习环境搭建笔记(一):detectron2安装过程
这篇博客文章详细介绍了在Windows环境下,使用CUDA 10.2配置深度学习环境,并安装detectron2库的步骤,包括安装Python、pycocotools、Torch和Torchvision、fvcore,以及对Detectron2和PyTorch代码的修改。
391 1
深度学习环境搭建笔记(一):detectron2安装过程
|
2月前
|
机器学习/深度学习 算法 PyTorch
深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU、WIOU损失函数分析及Pytorch实现
这篇文章详细介绍了多种用于目标检测任务中的边界框回归损失函数,包括IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU和WIOU,并提供了它们的Pytorch实现代码。
334 1
深度学习笔记(十三):IOU、GIOU、DIOU、CIOU、EIOU、Focal EIOU、alpha IOU、SIOU、WIOU损失函数分析及Pytorch实现
|
1月前
|
机器学习/深度学习 算法框架/工具 Python
深度学习的奥秘与实践:从理论到代码
本文将探索深度学习的世界,揭示其背后的原理,并分享如何将这些理论应用到实际编程中。我们将一起踏上一段旅程,从神经网络的基础概念出发,逐步深入到复杂的模型训练和优化技术。你将看到,即使是初学者,也可以实现自己的深度学习项目。
|
2月前
|
机器学习/深度学习 人工智能 算法
揭开深度学习与传统机器学习的神秘面纱:从理论差异到实战代码详解两者间的选择与应用策略全面解析
【10月更文挑战第10天】本文探讨了深度学习与传统机器学习的区别,通过图像识别和语音处理等领域的应用案例,展示了深度学习在自动特征学习和处理大规模数据方面的优势。文中还提供了一个Python代码示例,使用TensorFlow构建多层感知器(MLP)并与Scikit-learn中的逻辑回归模型进行对比,进一步说明了两者的不同特点。
104 2
|
2月前
|
机器学习/深度学习 自然语言处理 并行计算
深度学习笔记(十四):Transormer知识总结
关于深度学习中Transformer模型的知识总结,涵盖了Self-attention机制、QKV、Multi-head attention、位置编码和并行运算等关键概念,以及如何在PyTorch中实现Self-attention。
69 1
|
2月前
|
机器学习/深度学习 编解码 计算机视觉
深度学习笔记(十一):各种特征金字塔合集
这篇文章详细介绍了特征金字塔网络(FPN)及其变体PAN和BiFPN在深度学习目标检测中的应用,包括它们的结构、特点和代码实现。
345 0
|
17天前
|
机器学习/深度学习 传感器 数据采集
深度学习在故障检测中的应用:从理论到实践
深度学习在故障检测中的应用:从理论到实践
72 5