按两本教材的目录顺序,一章一章手写实现、跑实验、记笔记的仓库。 每条 commit 对应一次真实的学习动作:读完一节、写完一个函数、跑挂一次、修好一次。
| 路线 | 教材 | 章节 | 定位 |
|---|---|---|---|
| A | 《动手学深度学习》PyTorch 版(d2l) | 15 | 主线:从张量到 Transformer,代码为主 |
| B | 《机器学习》周志华(西瓜书) | 16 | 副线:公式推导与传统算法,补理论 |
两条线交错推进,不是读完一本再读另一本。理由:d2l 第 3 章的 softmax 回归 只给了交叉熵的梯度结论,西瓜书第 3 章从对数似然能把「为什么用交叉熵」推完整; 两边对上之后,公式才不是背下来的。
.
├── README.md # 本文件:总览、路线、环境
├── requirements.txt # 依赖与版本约束
├── .gitignore # Python / Jupyter / checkpoint
├── chapter01-introduction/ # d2l 每章一个目录,名字照抄原书目录名
│ ├── README.md # 本章知识点、目标、产出清单
│ ├── notes/ # 读书笔记 + run-log(真实运行记录)
│ ├── code/ # 可独立运行的脚本,01_ 02_ 表示阅读顺序
│ └── exercises/ # 课后习题与自己的解答
├── chapter02-preliminaries/
└── ...
每章内部固定四件套:README.md(要做什么)、notes/(读到了什么)、
code/(跑出来什么)、exercises/(还差什么)。
- 提交信息前缀
d2l-ch03:/ml-ch04:,后面跟一句中文动宾短语。 - 一个脚本一个主题,不写大而全的
main.py。 - 需要数据就现场合成,仓库里不放数据集,也不联网下载。
- 随机种子统一 42,
notes/run-log.md记录当次的真实输出。 - 只用 CPU 也要能跑通;GPU 相关代码先判断
torch.cuda.is_available()。
python -m venv .venv
.venv\Scripts\activate # Windows;Linux/macOS 用 source .venv/bin/activate
pip install -r requirements.txt实际在用的机器:Windows 11 + Python 3.12 + torch 2.4 CPU 版,没有独显。
没有 GPU 也能走完 d2l 前十章,只是卷积那几章要调小 batch size、减少 epoch。
第 5 章会写设备迁移的代码,在没有 CUDA 的机器上它走 cpu 分支,不影响阅读。
| 路线 | 章节 | 状态 |
|---|---|---|
| A | 1 引言 | 进行中 |
| A | 2~15 | 未开始 |
| B | 1~16 | 未开始 |