[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-9606":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":16,"subscribersCount":16,"size":16,"stars1d":15,"stars7d":17,"stars30d":18,"stars90d":16,"forks30d":16,"starsTrendScore":19,"compositeScore":20,"rankGlobal":10,"rankLanguage":10,"license":21,"archived":22,"fork":22,"defaultBranch":23,"hasWiki":24,"hasPages":24,"topics":25,"createdAt":10,"pushedAt":10,"updatedAt":41,"readmeContent":42,"aiSummary":43,"trendingCount":16,"starSnapshotCount":16,"syncStatus":15,"lastSyncTime":44,"discoverSource":45},9606,"leedl-tutorial","datawhalechina\u002Fleedl-tutorial","datawhalechina","《李宏毅深度学习教程》（李宏毅老师推荐👍，苹果书🍎），PDF下载地址：https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Freleases","",null,"Jupyter Notebook",16621,3100,295,2,0,21,85,13,45,"Other",false,"master",true,[26,27,28,29,30,31,5,32,33,34,35,36,37,38,39,40],"bert","chatgpt","cnn","deep-learning","diffusion","gan","machine-learning","network-compression","pruning","reinforcement-learning","rnn","self-attention","transfer-learning","transformer","tutorial","2026-06-12 02:02:09","[![GitHub issues](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fissues\u002Fdatawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fissues) [![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002Fdatawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fstargazers) [![GitHub forks](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fforks\u002Fdatawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fnetwork)![Downloads](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fdownloads\u002Fdatawhalechina\u002Fleedl-tutorial\u002Ftotal) \u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" \u002F>\u003C\u002Fa>\n\n# 李宏毅深度学习教程LeeDL-Tutorial（苹果书）\n\n李宏毅老师是台湾大学的教授，其[《机器学习》（2021年春）](https:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~hylee\u002Fml\u002F2021-spring.html)是深度学习领域经典的中文视频之一。李老师幽默风趣的授课风格深受大家喜爱，让晦涩难懂的深度学习理论变得轻松易懂，他会通过很多动漫相关的有趣例子来讲解深度学习理论。李老师的课程内容很全面，覆盖了到深度学习必须掌握的常见理论，能让学生对于深度学习的绝大多数领域都有一定了解，从而可以进一步选择想要深入的方向进行学习，培养深度学习的直觉，对于想入门深度学习又想看中文讲解的同学是非常推荐的。\n\n本教程主要内容源于[《机器学习》（2021年春）](https:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~hylee\u002Fml\u002F2021-spring.html)，并在其基础上进行了一定的原创。比如，为了尽可能地降低阅读门槛，笔者对这门公开课的精华内容进行选取并优化，对所涉及的公式都给出详细的推导过程，对较难理解的知识点进行了重点讲解和强化，以方便读者较为轻松地入门。此外，为了丰富内容，笔者在教程中选取了[《机器学习》（2017年春）](https:\u002F\u002Fspeech.ee.ntu.edu.tw\u002F~hylee\u002Fml\u002F2017-spring.php) 的部分内容，并补充了不少除这门公开课之外的深度学习相关知识。\n\n\u003C!--\n注：\n\n- 基于《机器学习》（2017年春）的李宏毅机器学习笔记在线阅读地址：https:\u002F\u002Fdatawhalechina.github.io\u002Fleedl-tutorial\u002F#\u002F\n\n- 基于《机器学习》（2017年春）的李宏毅机器学习笔记源文件：https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Ftree\u002Fpre_master -->\n\n>ℹ️ **[李宏毅老师推荐](https:\u002F\u002Ftwitter.com\u002FHungyiLee2\u002Fstatus\u002F1754042391211004235)：**\n\n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fblob\u002Fmaster\u002Fassets\u002Fprof._lee_twitter.jpg?raw=true\" height = \"450\" alt=\"李宏毅老师推荐。\">\u003C\u002Fdiv>\n\n## 贡献者\n\n\u003Ctable border=\"0\">\n  \u003Ctbody>\n    \u003Ctr align=\"center\" >\n      \u003Ctd>\n         \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fqiwang067\">\u003Cimg width=\"70\" height=\"70\" src=\"https:\u002F\u002Fgithub.com\u002Fqiwang067.png?s=40\" alt=\"pic\">\u003C\u002Fa>\u003Cbr>\n         \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fqiwang067\">Qi Wang\u003C\u002Fa> \n        \u003Cp> 上海交通大学博士生\u003Cbr>中国科学院大学硕士\u003C\u002Fp>\n      \u003C\u002Ftd>\n      \u003Ctd>\n         \u003Ca href=\"https:\u002F\u002Fyyysjz1997.github.io\u002F\">\u003Cimg width=\"70\" height=\"70\" src=\"https:\u002F\u002Fgithub.com\u002Fyyysjz1997.png?s=40\" alt=\"pic\">\u003C\u002Fa>\u003Cbr>\n         \u003Ca href=\"https:\u002F\u002Fyyysjz1997.github.io\u002F\">Yiyuan Yang\u003C\u002Fa> \n        \u003Cp> 牛津大学博士生\u003Cbr>清华大学硕士\u003C\u002Fp>\n      \u003C\u002Ftd>\n      \u003Ctd>\n         \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FJohnJim0816\">\u003Cimg width=\"70\" height=\"70\" src=\"https:\u002F\u002Fgithub.com\u002FJohnJim0816.png?s=40\" alt=\"pic\">\u003C\u002Fa>\u003Cbr>\n         \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FJohnJim0816\">John Jim\u003C\u002Fa>\n         \u003Cp>北京大学硕士\u003C\u002Fp>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n## 纸质版\n\n\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fblob\u002Fmaster\u002Fassets\u002Fapple.png?raw=true\" width=\"300\">\n\n推荐购买链接：[京东](https:\u002F\u002Fu.jd.com\u002Fta2MD1R) | [当当](https:\u002F\u002Fproduct.dangdang.com\u002F29766946.html)\n\n\u003Ctable border=\"0\">\n  \u003Ctbody>\n    \u003Ctr align=\"center\" >\n      \u003Ctd>\n         \u003Cimg width=\"120\" height=\"120\" src=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fblob\u002Fmaster\u002Fassets\u002Fapple_jingdong.jpg\" alt=\"pic\">\n        \u003Cbr>\n        \u003Cp>推荐京东扫码购买\u003C\u002Fp>\n      \u003C\u002Ftd>\n      \u003Ctd>\n    \u003Cimg width=\"120\" height=\"120\" src=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fblob\u002Fmaster\u002Fassets\u002Fapple_dangdang_QR.jpg\" alt=\"pic\">\u003Cbr>\n\u003Cp>当当扫码购买\u003C\u002Fp>\n      \u003C\u002Ftd>\n    \u003C\u002Ftr>\n  \u003C\u002Ftbody>\n\u003C\u002Ftable>\n\n\n\n\n豆瓣评分：https:\u002F\u002Fbook.douban.com\u002Fsubject\u002F36997460\u002F\n\n> [!IMPORTANT]\n**勘误修订表**：https:\u002F\u002Fdatawhalechina.github.io\u002Fleedl-tutorial\u002F#\u002Ferrata\n\n\n## 最新版PDF下载\n\n地址：https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Freleases\n\n国内地址：https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1qgAIFblbSn4MxnwzALJXPg 提取码: 1cnm\n\n## 纸质版和PDF版的区别\n\nPDF版本是全书初稿，人民邮电出版社的编辑老师们对初稿进行了反复修缮，最终诞生了纸质书籍，在此向人民邮电出版社的编辑老师的认真严谨表示衷心的感谢！（附：校对样稿）\n\n\u003Ccenter class=\"half\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fblob\u002Fmaster\u002Fassets\u002Fyanggao.png\" width=\"680\">\u003C\u002Fcenter>\n\n## 内容介绍\n\n*  **引言** @王琦\n* **深度学习** @王琦\n    *  [x] 局部最小值与鞍点\n    *  [x] 训练技巧\n    *  [x] 自适应学习率\n    *  [x] 分类问题损失函数\n    *  [x] 归一化\n* **卷积神经网络和自注意力机制** @王琦\n  *  [x] 卷积神经网络\n  *  [x] 自注意力机制\n* **循环神经网络** @王琦\n* **Transformer** @王琦\n  *  [x] Transformer\n* **生成模型** @杨毅远\n\t*  [x] 生成对抗网络基础\n\t*  [x] 生成对抗网络理论与 Wasserstein 生成对抗网络\n\t*  [x] 生成对抗网络的评估与有条件的生成对抗网络\n\t*  [x] 循环生成对抗网络\n* **自监督学习** @王琦\n  *  [x] 芝麻街的模型\n  *  [x] BERT\n  *  [x] GPT-3\n* **自动编码器概念及其应用** @江季\n* **扩散模型**@王琦\n* **对抗攻击** @杨毅远\n    * [x] 对抗攻击基本概念\n    * [x] 白盒攻击vs黑盒攻击\n    * [x] 被动防守vs主动防守 \n* **可解释人工智能** @杨毅远\n    * [x] 可解释人工智能概念与案例\n    * [x] 可解释人工智能中的局部可解释性\n    * [x] 可解释人工智能中的全局可解释性\n* **迁移学习** @王琦\n  *  [x] 领域自适应\n  *  [x] 领域对抗训练\n* **深度强化学习** @王琦\n* **终身学习** @江季\n  *  [x] 灾难性遗忘\n  *  [x] 缓解灾难性遗忘 \n* **网络压缩** @王琦\n  *  [x] 剪枝与彩票假设\n  *  [x] 知识蒸馏\n* **元学习** @杨毅远\n  *  [x] 元学习的概念\n  *  [x] 元学习的实例算法\n  *  [x] 元学习的应用\n* **ChatGPT** @杨毅远\n  *  [x] 对于ChatGPT的误解\n  *  [x] ChatGPT背后的关键技术——预训练\n  *  [x] ChatGPT带来的研究问题\n\n## 配套代码\n\n[点击](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Ftree\u002Fmaster\u002FHomework)或者网页点击```Homework```文件夹进入配套代码\n\n## 扩展资源\n- 对**强化学习玩我的世界（Minecraft）游戏**感兴趣的读者，可阅读 [LS-Imagine](https:\u002F\u002Fgithub.com\u002Fqiwang067\u002FLS-Imagine)\n- 对**强化学习**感兴趣的读者，可阅读[蘑菇书EasyRL](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Feasy-rl)\n- 对**视觉强化学习**感兴趣的读者，可阅读 [Awesome Visual RL](https:\u002F\u002Fgithub.com\u002Fqiwang067\u002Fawesome-visual-rl)\n\n\n## 引用信息\n\n```\n王琦，杨毅远，江季，深度学习详解，人民邮电出版社，https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial, 2024.\nQi Wang, Yiyuan Yang, Ji Jiang，LeeDL Tutorial，Posts & Telecom Press，https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial, 2024.\n```\n\n```bibtex\n@book{wang2024leedltutorial,\ntitle = {深度学习详解},\npublisher = {人民邮电出版社},\nyear = {2024},\nauthor = {王琦，杨毅远，江季},\naddress = {北京},\nisbn = {9787115642110},\nurl = {https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial}\n}\n\n```\n```bibtex\n@book{wang2024leedltutorialen,\ntitle = {LeeDL Tutorial},\npublisher = {Posts & Telecom Press},\nyear = {2024},\nauthor = {Qi Wang，Yiyuan Yang，Ji Jiang},\naddress = {Beijing},\nisbn = {9787115642110},\nurl = {https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial}\n}\n```\n若该教程对您有所帮助，可以在页面右上角点个Star :star: 支持一下，谢谢 :blush:！\n\n如果您需要转载该教程的内容，请注明出处：[https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial)。\n\n## 致谢\n\n特别感谢 [@Sm1les](https:\u002F\u002Fgithub.com\u002FSm1les)、[@LSGOMYP](https:\u002F\u002Fgithub.com\u002FLSGOMYP)、[FuWeiru](https:\u002F\u002Fgithub.com\u002FFuWeiru) 对本项目的帮助与支持。\n\n另外，十分感谢大家对于LeeDL-Tutorial的关注。\n[![Stargazers repo roster for @datawhalechina\u002Fleedl-tutorial](https:\u002F\u002Freporoster.com\u002Fstars\u002Fdatawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fstargazers)\n[![Forkers repo roster for @datawhalechina\u002Fleedl-tutorial](https:\u002F\u002Freporoster.com\u002Fforks\u002Fdatawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fgithub.com\u002Fdatawhalechina\u002Fleedl-tutorial\u002Fnetwork\u002Fmembers)\n\n## 关注我们\n扫描下方二维码关注公众号：Datawhale，回复关键词“李宏毅深度学习”，即可加入“LeeDL-Tutorial读者交流群”\n\u003Cdiv align=center>\u003Cimg src=\"https:\u002F\u002Fraw.githubusercontent.com\u002Fdatawhalechina\u002Feasy-rl\u002Fmaster\u002Fdocs\u002Fres\u002Fqrcode.jpeg\" width = \"250\" height = \"270\" alt=\"Datawhale是一个专注AI领域的开源组织，以“for the learner，和学习者一起成长”为愿景，构建对学习者最有价值的开源学习社区。关注我们，一起学习成长。\">\u003C\u002Fdiv>\n\n\n## LICENSE\n\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">\u003Cimg alt=\"知识共享许可协议\" style=\"border-width:0\" src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-CC%20BY--NC--SA%204.0-lightgrey\" \u002F>\u003C\u002Fa>\u003Cbr \u002F>本作品采用\u003Ca rel=\"license\" href=\"http:\u002F\u002Fcreativecommons.org\u002Flicenses\u002Fby-nc-sa\u002F4.0\u002F\">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议\u003C\u002Fa>进行许可。\n\n## Star History\n[![Star History](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=datawhalechina\u002Fleedl-tutorial)](https:\u002F\u002Fstar-history.com\u002F#datawhalechina\u002Fleedl-tutorial&Date)\n","《李宏毅深度学习教程》是一个基于台湾大学李宏毅教授课程的中文深度学习教程，旨在帮助初学者轻松入门。该项目通过Jupyter Notebook形式呈现，内容涵盖了从基础到进阶的深度学习理论与实践，包括但不限于BERT、CNN、GAN等模型的应用及原理讲解，并提供了详尽的公式推导和实例分析。特别适合希望以中文资源开始学习深度学习的学生或从业者使用，尤其是在寻找结构化且易于理解的学习材料时。此外，项目还得到了李宏毅老师的认可推荐，进一步证明了其价值。","2026-06-11 03:23:42","top_topic"]