discover · compare · collections · requirements · contribute · feed · watching · stats · help with your tokens
datawhalechina/leedl-tutorial · source
Snapshot 0 · 2026-11-04T12:47:25Z · Jupyter Notebook ·
Content fingerprint
9ec80c322fbe68e8cea81e3dde0e9b353ecc4ad50588a306701e7ad1c123aa2bGitHub description at capture
《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://github.com/datawhalechina/leedl-tutorial/releases
README at capture
[](https://github.com/datawhalechina/leedl-tutorial/issues) [](https://github.com/datawhalechina/leedl-tutorial/stargazers) [](https://github.com/datawhalechina/leedl-tutorial/network) <a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://img.shields.io/badge/license-CC%20BY--NC--SA%204.0-lightgrey" /></a>
# 李宏毅深度学习教程LeeDL-Tutorial（苹果书）
李宏毅老师是台湾大学的教授，其[《机器学习》（2021年春）](https://speech.ee.ntu.edu.tw/~hylee/ml/2021-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。
本教程主要内容源于[《机器学习》（2021年春）](https://speech.ee.ntu.edu.tw/~hylee/ml/2021-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://speech.ee.ntu.edu.tw/~hylee/ml/2017-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。
<!--
注：
- 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://datawhalechina.github.io/leedl-tutorial/#/
- 基于《机器学习》（2017年春）的李宏毅机器学习笔记源文件：https://github.com/datawhalechina/leedl-tutorial/tree/pre_master -->
>ℹ️ **[李宏毅老师推荐](https://twitter.com/HungyiLee2/status/1754042391211004235)：**
<div align=center><img src="https://github.com/datawhalechina/leedl-tutorial/blob/master/assets/prof._lee_twitter.jpg?raw=true" height = "450" alt="李宏毅老师推荐。"></div>
## 贡献者
<table border="0">
<tbody>
<tr align="center" >
<td>
<a href="https://github.com/qiwang067"><img width="70" height="70" src="https://github.com/qiwang067.png?s=40" alt="pic"></a><br>
<a href="https://github.com/qiwang067">Qi Wang</a>
<p> 中科院自动化所助理研究员<br>上海交通大学博士<br>中国科学院大学硕士</p>
</td>
<td>
<a href="https://yyysjz1997.github.io/"><img width="70" height="70" src="https://github.com/yyysjz1997.png?s=40" alt="pic"></a><br>
<a href="https://yyysjz1997.github.io/">Yiyuan Yang</a>
<p> 牛津大学博士生<br>清华大学硕士</p>
</td>
<td>
<a href="https://github.com/JohnJim0816"><img width="70" height="70" src="https://github.com/JohnJim0816.png?s=40" alt="pic"></a><br>
<a href="https://github.com/JohnJim0816">John Jim</a>
<p>北京大学硕士</p>
</td>
</tr>
</tbody>
</table>
## 纸质版
<img src="https://github.com/datawhalechina/leedl-tutorial/blob/master/assets/apple.png?raw=true" width="300">
推荐购买链接：[京东](https://u.jd.com/ta2MD1R) | [当当](https://product.dangdang.com/29766946.html)
<table border="0">
<tbody>
<tr align="center" >
<td>
<img width="120" height="120" src="https://github.com/datawhalechina/leedl-tutorial/blob/master/assets/apple_jingdong.jpg" alt="pic">
<br>
<p>推荐京东扫码购买</p>
</td>
<td>
<img width="120" height="120" src="https://github.com/datawhalechina/leedl-tutorial/blob/master/assets/apple_dangdang_QR.jpg" alt="pic"><br>
<p>当当扫码购买</p>
</td>
</tr>
</tbody>
</table>
豆瓣评分：https://book.douban.com/subject/36997460/
> [!IMPORTANT]
**勘误修订表**：https://datawhalechina.github.io/leedl-tutorial/#/errata
## 最新版PDF下载
地址：https://github.com/datawhalechina/leedl-tutorial/releases
国内地址：https://pan.baidu.com/s/1qgAIFblbSn4MxnwzALJXPg 提取码: 1cnm
## 纸质版和PDF版的区别
PDF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）
<center class="half"><img src="https://github.com/datawhalechina/leedl-tutorial/blob/master/assets/yanggao.png" width="680"></center>
## 内容介绍
* **引言** @王琦
* **深度学习** @王琦
* [x] 局部最小值与鞍点
* [x] 训练技巧
* [x] 自适应学习率
* [x] 分类问题损失函数
* [x] 归一化
* **卷积神经网络和自注意力机制** @王琦
* [x] 卷积神经网络
* [x] 自注意力机制
* **循环神经网络** @王琦
* **Transformer** @王琦
* [x] Transformer
* **生成模型** @杨毅远
* [x] 生成对抗网络基础
* [x] 生成对抗网络理论与 Wasserstein 生成对抗网络
* [x] 生成对抗网络的评估与有条件的生成对抗网络
* [x] 循环生成对抗网络
* **自监督学习** @王琦
* [x] 芝麻街的模型
* [x] BERT
* [x] GPT-3
* **自动编码器概念及其应用** @江季
* **扩散模型**@王琦
* **对抗攻击** @杨毅远
* [x] 对抗攻击基本概念
* [x] 白盒攻击vs黑盒攻击
* [x] 被动防守vs主动防守
* **可解释人工智能** @杨毅远
* [x] 可解释人工智能概念与案例
* [x] 可解释人工智能中的局部可解释性
* [x] 可解释人工智能中的全局可解释性
* **迁移学习** @王琦
* [x] 领域自适应
* [x] 领域对抗训练
* **深度强化学习** @王琦
* **终身学习** @江季
* [x] 灾难性遗忘
* [x] 缓解灾难性遗忘
* **网络压缩** @王琦
* [x] 剪枝与彩票假设
* [x] 知识蒸馏
* **元学习** @杨毅远
* [x] 元学习的概念
* [x] 元学习的实例算法
* [x] 元学习的应用
* **ChatGPT** @杨毅远
* [x] 对于ChatGPT的误解
* [x] ChatGPT背后的关键技术——预训练
* [x] ChatGPT带来的研究问题
## 配套代码
[点击](https://github.com/datawhalechina/leedl-tutorial/tree/master/Homework)或者网页点击```Homework```文件夹进入配套代码
## 扩展资源
- 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://github.com/qiwang067/LS-Imagine)
- 对**强化学习**感兴趣的读者，可阅读[蘑菇书EasyRL](https://github.com/datawhalechina/easy-rl)
- 对**视觉强化学习**感兴趣的读者，可阅读 [Awesome Visual RL](https://github.com/qiwang067/awesome-visual-rl)
## 引用信息
```
王琦，杨毅远，江季，深度学习详解，人民邮电出版社，https://github.com/datawhalechina/leedl-tutorial, 2024.
Qi Wang, Yiyuan Yang, Ji Jiang，LeeDL Tutorial，Posts & Telecom Press，https://github.com/datawhalechina/leedl-tutorial, 2024.
```
```bibtex
@book{wang2024leedltutorial,
title = {深度学习详解},
publisher = {人民邮电出版社},
year = {2024},
author = {王琦，杨毅远，江季},
address = {北京},
isbn = {9787115642110},
url = {https://github.com/datawhalechina/leedl-tutorial}
}
```
```bibtex
@book{wang2024leedltutorialen,
title = {LeeDL Tutorial},
publisher = {Posts & Telecom Press},
year = {2024},
author = {Qi Wang，Yiyuan Yang，Ji Jiang},
address = {Beijing},
isbn = {9787115642110},
url = {https://github.com/datawhalechina/leedl-tutorial}
}
```
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:！
如果您需要转载该教程的内容，请注明出处：[https://github.com/datawhalechina/leedl-tutorial](https://github.com/datawhalechina/leedl-tutorial)。
## 致谢
特别感谢 [@Sm1les](https://github.com/Sm1les)、[@LSGOMYP](https://github.com/LSGOMYP)、[FuWeiru](https://github.com/FuWeiru) 对本项目的帮助与支持。
另外，十分感谢大家对于LeeDL-Tutorial的关注。
[](https://github.com/datawhalechina/leedl-tutorial/stargazers)
[](https://github.com/datawhalechina/leedl-tutorial/network/members)
## 关注我们
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”
<div align=center><img src="https://raw.githubusercontent.com/datawhalechina/easy-rl/master/docs/res/qrcode.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。"></div>
## LICENSE
<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://img.shields.io/badge/license-CC%20BY--NC--SA%204.0-lightgrey" /></a><br />本作品采用<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">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</a>进行许可。
## Star History
[](https://star-history.com/#datawhalechina/leedl-tutorial&Date)