这个仓库主要是记录我学习动手学深度学习这门李沐老师的课程过程中的一些内容，包括代码(jupyter形式)，课件(ppt)，书(pdf和md)，以及相关的视频等资料。
由于李沐老师的动手学深度学习这门课经过几次更新，未来可能还有新的更新，有精力会尽量跟随。
仓库目录说明：
├── Paper&Book // 课程中涉及的网络出自的论文，以及课程配套书籍等
│ ├── 0-1-d2l-zh-1.0.pdf
│ ├── 0-2-d2l-zh-pytorch-release2.0.0alpha1.pdf
│ ├── 0-3-d2l-zh.2.0.0-alpha2-pytorch.pdf
│ ├── 0-4-课件.pdf //动手学深度学习2.0 李沐老师课件pdf合集（手动合并了一下）
│ ├── 1.LeNet.pdf
│ ├── 2. AlexNet(2012 NIPS).pdf
│ ├── XXXX
│ ├── 9. A survey on Image Data Augmentation for Deep Learning.pdf
│ ├── Python 深度学习.pdf
│ ├── README.md
│ └── 邱锡鹏nndl-book.pdf
├── README.md // 说明
├── d2l_zh_jupyter // jupyter代码
│ ├── data //课程demo使用的数据
│ ├── pytorch //基于pytorch框架的代码
│ ├── readme.md
│ └── self_exercise //自己练习加部分注释的代码
├── img // PPT或者博客中会用到的一些图
│ ├── 1-1stardard-convolution-multi-channel.gif
│ ├── 1-2stardard-convolution-multi-channel2.gif
│ ├── ......
│ ├── 卷积基础.gif
│ ├── 可微调整.gif
│ ├── 图神经网络1.gif
│ └── 图神经网络2.gif
└── 绘图 // 写博客用的一些图
├── geogebra-export.ggb
└── 绘图.pptx // 博客文章一些说明的配图
-
视频课程地址（b站回放）：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
-
李沐老师课上使用的ppt的pdf合集版本：课件合集ppt
-
动手学深度学习2.0书的在线版本：https://zh-v2.d2l.ai/chapter_introduction/index.html
- 这里需要注意一点：截至2021.9.24，由于动手学深度学习2.0课程最初是英文课程，所以很多同学反映2.0的在线书籍版本没有1.0的好，机译痕迹严重，所以如果感觉阅读有困难，可以去查看1.0版本或者购买1.0的纸质书籍。
-
动手学深度学习书籍的pdf版本（这里有1.0和2.0版本）：https://github.com/d2l-ai/d2l-zh/tags
- 动手学深度学习书籍的github项目地址（每个部分的md文件）：https://github.com/d2l-ai/d2l-zh
-
动手学深度学习2.0的jupyter代码：https://zh-v2.d2l.ai/d2l-zh.zip
个人是从1.0入坑，感觉1.0更好些，因为是多个老师讲，但是使用的框架是MXNet，原理讲解非常清晰，但是动手实践难度大于2.0
- 视频课程地址（b站回放）：https://space.bilibili.com/209599371/channel/detail?cid=23541&ctype=0
- 老师课上使用的ppt（pptx格式）：https://github.com/d2l-ai/berkeley-stat-157/tree/master/slides-zh
- 动手学深度学习1.0书的在线版本：https://zh.d2l.ai/
- 如果不科学上网的话，打开速度会很慢，所以建议直接去github上下载pdf版本去看
- 或者直接访问：https://zh.d2l.ai/d2l-zh.pdf
- 动手学深度学习1.0的jupyter代码：https://zh.d2l.ai/d2l-zh.zip
持续更新中，但是由于工作原因，自学过程断断续续，参见 CSDN博客-吨吨不打野——动手学深度学习pytorch专栏
主要包括
- 记录课程本身内容：动手学深度学习V2.0(Pytorch)——XXXX
- 课程中引申的一些内容：相关-XXX
关于李沐老师，推荐看：工作五年反思
顺带可以关注一下李沐老师的知乎账号，里面会更新一些李沐老师最新的课程动态，
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent