斯坦福大学CS 230深度学习备忘单

提供多种语言版本：英语 - 波斯语 - 法语 - 日语 - 韩语 - 土耳其语 - 越南语

目标

本仓库旨在将斯坦福大学CS 230深度学习课程中涵盖的所有重要概念汇总到一处，内容包括：

• 详尽的备忘单，涵盖卷积神经网络、循环神经网络，以及训练深度学习模型时需要注意的技巧和窍门。
• 将上述所有内容整合为一份终极概念汇编，方便您随时查阅！

内容

VIP 备忘单

卷积神经网络	循环神经网络	技巧与窍门

超级VIP备忘单

以上所有内容汇集于一处

官网

这些资料也在专门的网站上提供，方便您在任何设备上阅读。

翻译

希望看到这些备忘单的母语版本吗？欢迎您参与翻译工作，请访问此专用仓库！

作者

Afshine Amidi（巴黎中央理工学院，麻省理工学院）和Shervine Amidi（巴黎中央理工学院，斯坦福大学）

Stanford CS 230 深度学习速查表快速上手指南

本项目并非可执行的软件库，而是一套针对斯坦福大学 CS 230 深度学习课程的**核心概念速查表（Cheatsheets）**集合。它涵盖了卷积神经网络（CNN）、循环神经网络（RNN）以及模型训练技巧等关键知识点。开发者无需安装任何依赖，直接下载 PDF 文档即可使用。

环境准备

本项目无系统要求或前置依赖。

• 适用设备：任何能够查看 PDF 文件的设备（电脑、平板、手机）。
• 网络要求：需能访问 GitHub 或项目官方网站。
• 推荐工具：Adobe Acrobat Reader、浏览器内置 PDF 阅读器或各类笔记软件（如 Notion, Obsidian）。

提示：国内用户若访问 GitHub 原图或文件较慢，可直接访问项目托管的官方网站，加载速度通常更优且支持多端适配。

获取步骤

由于无需安装，你可以通过以下两种方式获取资料：

方式一：访问官方网站（推荐）

直接在浏览器中阅读，体验最佳，支持响应式布局。

# 在浏览器地址栏输入以下网址
https://stanford.edu/~shervine/teaching/cs-230

方式二：从 GitHub 下载 PDF

克隆仓库或直接下载单个 PDF 文件。

# 1. 克隆整个仓库（包含所有语言版本）
git clone https://github.com/afshinea/stanford-cs-230-deep-learning.git

# 2. 进入英文原版目录
cd stanford-cs-230-deep-learning/en

# 或者，直接使用 wget/curl 下载单个核心速查表（示例：下载 CNN 速查表）
wget https://github.com/afshinea/stanford-cs-230-deep-learning/raw/master/en/cheatsheet-convolutional-neural-networks.pdf

基本使用

本项目的“使用”即指查阅文档以辅助深度学习模型的开发与学习。以下是核心文档的使用场景指引：

1. 构建卷积神经网络 (CNN)

当你需要快速回顾卷积层、池化层参数计算或经典架构（如 ResNet, Inception）时：

• 打开文件：cheatsheet-convolutional-neural-networks.pdf
• 适用场景：设计图像分类、目标检测模型架构时。

2. 构建循环神经网络 (RNN)

当你需要查阅 LSTM、GRU 单元结构或序列数据处理流程时：

• 打开文件：cheatsheet-recurrent-neural-networks.pdf
• 适用场景：处理自然语言处理（NLP）、时间序列预测任务时。

3. 优化模型训练

当模型不收敛或需要调整超参数时：

• 打开文件：cheatsheet-deep-learning-tips-tricks.pdf
• 适用场景：调试损失函数、选择优化器、处理过拟合/欠拟合问题。

4. 全能速查 (Super Cheatsheet)

如果你需要一份涵盖上述所有内容的汇总文档以便随时查阅：

• 打开文件：super-cheatsheet-deep-learning.pdf
• 特点：将 CNN、RNN 及训练技巧整合在一份文档中，适合打印或作为桌面参考。

---

注：本项目由 Afshine Amidi 和 Shervine Amidi 维护，旨在帮助开发者高效掌握深度学习核心概念。