[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-Sophia-11--DeepLearningNotes":3,"tool-Sophia-11--DeepLearningNotes":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":81,"languages":79,"stars":82,"forks":83,"last_commit_at":84,"license":79,"difficulty_score":85,"env_os":86,"env_gpu":86,"env_ram":86,"env_deps":87,"category_tags":90,"github_topics":91,"view_count":96,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":97,"updated_at":98,"faqs":99,"releases":100},571,"Sophia-11\u002FDeepLearningNotes","DeepLearningNotes","《深度学习》花书手推笔记","DeepLearningNotes 是基于经典教材《深度学习》整理的开源手推笔记项目。它将原著中晦涩的数学公式与理论概念进行逐步拆解，帮助学习者直观掌握深度学习核心原理。\n\n面对原版教材复杂的矩阵运算和概率论知识，许多初学者容易感到困惑。DeepLearningNotes 致力于解决这一痛点，通过清晰的图文结合方式，还原关键算法的推导过程，有效降低学习门槛。项目由资深 AI 博士团队维护，内容涵盖机器学习基础、深度神经网络核心知识及前沿研究三大板块，结构完整且持续更新。\n\n该项目适合计算机专业学生、AI 研究人员及希望夯实基础的开发者。其亮点在于提供高清扫描版 PDF 下载，并包含详细的数学符号对照表，确保知识的准确性与可读性。对于渴望深入理解深度学习底层逻辑的学习者而言，这是一份极具价值的辅助资料，能帮助大家在阅读厚书时不再迷失方向。","# DeapLearningNotes\n（博士另一个笔记[《机器学习手推笔记》](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FMachine-Learning-Notes\u002F)）\n《深度学习》手推笔记~持续更新中\n*Last updated: 2019\u002F07\u002F11*\n\n#### Update log\n* 2020\u002F01\u002F02 * - 更新深度学习符号\n* 2020\u002F01\u002F20 * - 更新第一章          上传了图片\n* 2020\u002F02\u002F03 * - 更新第二章          上传了图片\n* 2020\u002F02\u002F16 * - 更新第三章          上传了图片\n* 2020\u002F02\u002F25 * - 更新第四章\n* 2020\u002F03\u002F04 * - 更新第五章\n* 2020\u002F04\u002F01 * - 想办法扫描\n* 2020\u002F05\u002F22 * - 上传图片成功！\n* 2020\u002F05\u002F22 * - 开放下载，公开已扫描pdf，见文末作者简介\n\n## Table of Contents\n\n### 第一部分 机器学习基础\n- [第一章 前言](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第二章 线性代数](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第三章 概率论](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第四章 数值计算](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第五章 机器学习基础](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n### 第二部分 深度神经网络核心知识\n- [第六章 前馈神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第七章 正则化方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第八章 优化方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第九章 卷积神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十章 循环神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十一章 实战经验](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十二章 深度学习应用](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n### 第三部分 深度学习前沿研究\n- [第十三章 线性因子模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十四章 自编码器](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十五章 表示学习](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十六章 结构化概率模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十七章 蒙特卡洛方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十八章 配分函数](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十九章 近似推断](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第二十章 生成模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n\n### 数学符号\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_0ab628bddb19.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_29d3027c4881.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f63620bd7411.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_56116f7531d8.jpg)| \n\n### 第一章  引言\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8b51dc271776.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_83a37525f4af.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c97f63264be1.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_2d028dd84c3a.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_71f4819c07a5.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_bb4fb87a8963.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_9e2e02ac2116.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_023a52e7d040.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f4b0dcc744ac.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_5cb7f49d515b.jpg)| --by 王博Kings|  | \n\n### 第二章  线性代数\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8c003ea4bf6b.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_71bd2569f73d.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_7b0380d80d8f.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_5fc5ae3ed2c4.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_d3b234317625.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_1ad17f2650aa.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_b255e6033eb7.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_64c7afedee0c.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c79c467f1e69.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f43eaf7ffb7f.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_d1964316c961.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_465fc8e203cd.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_905f9b02487e.jpg)| --by 王博Kings||  | \n\n### 第三章  概率论\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_25e449ab87dc.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_9a2f54f8fa65.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_93187ee353c2.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_dcbd82a9a347.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8cb209f0640a.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c03343bb7e20.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_dd25c0b4f745.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_6b61d6c04341.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_a5be9f16216d.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_642d6352bce8.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_4d94f7ed71c9.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_e766286528b9.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_b2e768fbabea.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_238ca0efad2f.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_3fa9c1c78df0.jpg)|        --by 王博Kings| \n\n## by 【计算机视觉联盟】 王博（Kings）、Sophia\n\n## 作者其他手推笔记 [《机器学习手推笔记》](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FMachine-Learning-Notes\u002F)\n\n## 手推笔记已经持续更新，可以下载打印\n\n\n## 【计算机视觉联盟】回复【深度学习手推笔记】即可获得百度云pdf下载链接\n\n## 可加博士交流\n**微信号**（**Kingsplus**）备注：单位\u002F学校+研究方向 ，分享最新的AI思维导图和笔记\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_4b916bce7bec.jpg)\n\n笔记作者：王博简介\n\n985AI博士，CSDN博客专家\n\n已连载系列《机器学习》西瓜书手推笔记\n\n已完结待更笔记：《深度学习-花书手推笔记》、《无人驾驶手推笔记》、《SLAM 十四讲》\n\n**微信号**（**Kingsplus**）\n\n","# 深度学习笔记\n（博士另一个笔记 [《机器学习手推笔记》](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FMachine-Learning-Notes\u002F)）\n《深度学习》手推笔记~持续更新中\n*最后更新：2019\u002F07\u002F11*\n\n#### 更新日志\n* 2020\u002F01\u002F02 * - 更新深度学习符号\n* 2020\u002F01\u002F20 * - 更新第一章          上传了图片\n* 2020\u002F02\u002F03 * - 更新第二章          上传了图片\n* 2020\u002F02\u002F16 * - 更新第三章          上传了图片\n* 2020\u002F02\u002F25 * - 更新第四章\n* 2020\u002F03\u002F04 * - 更新第五章\n* 2020\u002F04\u002F01 * - 想办法扫描\n* 2020\u002F05\u002F22 * - 上传图片成功！\n* 2020\u002F05\u002F22 * - 开放下载，公开已扫描 pdf，见文末作者简介\n\n## 目录\n\n### 第一部分 机器学习基础\n- [第一章 前言](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第二章 线性代数](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第三章 概率论](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第四章 数值计算](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第五章 机器学习基础](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n### 第二部分 深度神经网络核心知识\n- [第六章 前馈神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第七章 正则化方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第八章 优化方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第九章 卷积神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十章 循环神经网络](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十一章 实战经验](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十二章 深度学习应用](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n### 第三部分 深度学习前沿研究\n- [第十三章 线性因子模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十四章 自编码器](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十五章 表示学习](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十六章 结构化概率模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十七章 蒙特卡洛方法](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十八章 配分函数](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第十九章 近似推断](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n- [第二十章 生成模型](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F)\n\n### 数学符号\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_0ab628bddb19.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_29d3027c4881.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f63620bd7411.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_56116f7531d8.jpg)| \n\n### 第一章  引言\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8b51dc271776.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_83a37525f4af.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c97f63264be1.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_2d028dd84c3a.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_71f4819c07a5.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_bb4fb87a8963.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_9e2e02ac2116.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_023a52e7d040.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f4b0dcc744ac.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_5cb7f49d515b.jpg)| --作者 王博 Kings|  | \n\n### 第二章  线性代数\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8c003ea4bf6b.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_71bd2569f73d.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_7b0380d80d8f.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_5fc5ae3ed2c4.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_d3b234317625.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_1ad17f2650aa.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_b255e6033eb7.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_64c7afedee0c.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c79c467f1e69.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_f43eaf7ffb7f.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_d1964316c961.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_465fc8e203cd.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_905f9b02487e.jpg)| --作者 王博 Kings||  | \n\n### 第三章  概率论\n| 1 | 2 | 3 |4 |\n|:-----------:|:--------:|:---------:|:---------:|\n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_25e449ab87dc.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_9a2f54f8fa65.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_93187ee353c2.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_dcbd82a9a347.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_8cb209f0640a.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_c03343bb7e20.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_dd25c0b4f745.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_6b61d6c04341.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_a5be9f16216d.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_642d6352bce8.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_4d94f7ed71c9.jpg)|  ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_e766286528b9.jpg)| \n|![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_b2e768fbabea.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_238ca0efad2f.jpg)| ![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_3fa9c1c78df0.jpg)|        --作者 王博 Kings| \n\n## 作者【计算机视觉联盟】王博（Kings）、Sophia\n\n## 作者其他手推笔记 [《机器学习手推笔记》](https:\u002F\u002Fgithub.com\u002FSophia-11\u002FMachine-Learning-Notes\u002F)\n\n## 手推笔记已经持续更新，可以下载打印\n\n\n## 【计算机视觉联盟】回复【深度学习手推笔记】即可获得百度云 pdf 下载链接\n\n## 可加博士交流\n**微信号**（**Kingsplus**）备注：单位\u002F学校 + 研究方向，分享最新的 AI 思维导图和笔记\n![image](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_readme_4b916bce7bec.jpg)\n\n笔记作者：王博简介\n\n985AI 博士，CSDN 博客专家\n\n已连载系列《机器学习》西瓜书手推笔记\n\n已完结待更笔记：《深度学习 - 花书手推笔记》、《无人驾驶手推笔记》、《SLAM 十四讲》\n\n**微信号**（**Kingsplus**）","# DeepLearningNotes 快速上手指南\n\n## 简介\nDeepLearningNotes 是一份基于《深度学习》（花书）的手推笔记资源库，由博士团队整理。内容涵盖机器学习基础、深度神经网络核心知识及前沿研究，适合希望深入理解算法原理的开发者与研究人员。\n\n## 环境准备\n- **操作系统**：Windows \u002F macOS \u002F Linux\n- **必备工具**：\n  - Git（用于克隆仓库）\n  - 现代浏览器（Chrome \u002F Edge \u002F Firefox）\n  - PDF 阅读器（如 Adobe Acrobat, WPS 等）\n- **网络要求**：需能访问 GitHub 或国内网盘服务\n\n## 安装步骤\n### 方式一：克隆代码仓库（在线浏览）\n在终端执行以下命令克隆项目到本地：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FSophia-11\u002FDeepLearningNotes\u002F\n```\n克隆完成后，进入目录即可通过浏览器打开 HTML 或直接查看图片文件。\n\n### 方式二：下载完整 PDF（推荐）\n根据作者说明，高清扫描版 PDF 可通过以下方式获取：\n1. 关注微信公众号【计算机视觉联盟】。\n2. 发送消息回复关键词：**深度学习手推笔记**。\n3. 获取百度云盘下载链接并保存至本地。\n\n## 基本使用\n### 1. 导航章节\n笔记结构清晰，主要分为三大部分：\n- **第一部分 机器学习基础**：包含前言、线性代数、概率论、数值计算及机器学习基础。\n- **第二部分 深度神经网络核心知识**：涵盖前馈神经网络、正则化、优化方法、CNN、RNN 及实战经验。\n- **第三部分 深度学习前沿研究**：涉及线性因子模型、自编码器、生成模型等高级主题。\n\n### 2. 查阅资料\n- **本地浏览**：若已克隆仓库，可在 `ch\u002F` 目录下找到对应章节的图片文件（如 `0000.jpg`）。\n- **PDF 检索**：若下载了 PDF，建议使用文档搜索功能快速定位特定公式或概念。\n\n### 3. 扩展学习\n如需获取最新的 AI 思维导图或加入技术交流，可添加作者微信（备注单位\u002F学校 + 研究方向）：\n```text\nKingsplus\n```","背景：一名算法工程师在复现经典论文时，面对《深度学习》原著中复杂的数学推导感到吃力，急需辅助资料理清思路。\n\n### 没有 DeepLearningNotes 时\n- 原著公式密集且符号定义繁杂，阅读时频繁卡顿，容易迷失在数学细节中\n- 关键章节如反向传播或正则化的梯度推导过程跳跃，难以理解中间变换步骤\n- 需要反复翻阅教材外的线性代数和概率论基础，导致学习路径不连贯且效率低下\n- 纸质书不便携带，无法随时打印重点进行手写演算，难以巩固记忆\n\n### 使用 DeepLearningNotes 后\n- 配套的手推笔记将复杂公式拆解为清晰步骤，直观展示推导逻辑，快速定位难点\n- 涵盖从线性代数到卷积神经网络的完整知识链，减少基础复习时间，建立系统认知\n- 提供高清扫描版 PDF，支持离线下载和打印，方便随时随地复盘核心概念\n- 作者对符号系统进行了统一规范，消除了原著中的歧义困扰，提升阅读流畅度\n\n核心价值：将晦涩的理论转化为可视化的手推过程，极大降低了深度学习入门与进阶的理解门槛。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSophia-11_DeepLearningNotes_43570b1f.png","Sophia-11","Sophia@UCAS","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FSophia-11_6aeca8e4.jpg","中国科学院~人工智能算法工程师",null,"Beijing","https:\u002F\u002Fgithub.com\u002FSophia-11",503,91,"2026-03-01T11:31:42",1,"未说明",{"notes":88,"python":86,"dependencies":89},"本仓库为《深度学习》手推笔记文档集合（Markdown 及图片），非可执行代码项目。无需安装 Python 环境或依赖库，无硬件运行要求。建议通过微信联系作者获取扫描版 PDF 下载。",[],[13,14,15],[92,93,94,95],"ai","artificial-intelligence","deep-learning","machine-learning",4,"2026-03-27T02:49:30.150509","2026-04-06T08:08:35.677895",[],[]]