Skip to content

About

?????????PyTorch ?(zh.d2l.ai)15 ??????:???????????????????

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Repository files navigation

深度学习复现笔记(d2l + 西瓜书)

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。

仓库总览

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。

目录结构

.
├── 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)。

约定

  • 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()。

环境

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。

进度

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

About

?????????PyTorch ?(zh.d2l.ai)15 ??????:???????????????????

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages