Google深度学习笔记

一点小建议：框架是工具，工具固然重要，要在机器学习与人工智能领域取得成就，必须打好基础，多看论文，多做实验，缺一不可。

• Google 深度学习笔记
• Github工程地址：https://github.com/ahangchen/GDLnotes
• 欢迎star，有问题可以到Issue区讨论
• 官方教程地址
• 视频/字幕下载

教程已重构兼容TensorFlow 1.2

框架： TensorFlow （安装踩坑日志）

谷歌家的深度学习框架，有Python,C++的API

工具：Pycharm

笔记列表

• Lesson 1 机器学习到深度学习

  • 逻辑分类
  • 逻辑分类实践
  • 随机优化

• Lesson 2 深度神经网络

  • 线性模型的局限性
  • 神经网络
  • 神经网络实践
  • 优化神经网络：深度网络
  • 深度神经网络实践

• Lesson 3 卷积网络

  • 卷积神经网络实践

• Lessson 4 用于文本和序列的深度模型

  • 挑战
  • 模型
  • 序列
  • 循环神经网络实践

附录：

• NumPy笔记（待完善）
• matplotlib笔记（待完善）
• sklearn笔记（待完善）
• TensorFlow笔记

整理了周志华老师西瓜书中的概念，基础是非常重要的一环，感兴趣的同学可以看看。

觉得我的文章对您有帮助的话，就给个star吧～

攒钱买四路1080ti台式机ing

GDLnotes 快速上手指南

GDLnotes 是一套基于 Google 深度学习课程（Udacity CS231n/UD730）重构的中文学习笔记，已兼容 TensorFlow 1.2。本指南将帮助你快速搭建环境并开始学习。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：推荐 Python 3.5 或 3.6（适配 TensorFlow 1.2）
• 核心框架：TensorFlow (GPU 或 CPU 版本)
• 开发工具：PyCharm (推荐) 或其他支持 Python 的 IDE
• 前置依赖库：
  • NumPy
  • Matplotlib
  • Scikit-learn (sklearn)

建议：深度学习需要扎实的数学与理论基础。在学习本笔记的同时，建议参考周志华老师的《机器学习》（西瓜书）概念整理及相关论文。

安装步骤

1. 克隆项目代码

使用 Git 将仓库下载到本地：

git clone https://github.com/ahangchen/GDLnotes.git
cd GDLnotes

2. 安装依赖

推荐使用 pip 安装所需 Python 库。国内用户可使用清华源或阿里源加速下载：

# 使用阿里云镜像源安装依赖
pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

# 若项目中无 requirements.txt，可手动安装核心库
pip install tensorflow==1.2.0 numpy matplotlib scikit-learn -i https://mirrors.aliyun.com/pypi/simple/

注意：如果遇到 TensorFlow 安装问题，请参考项目内的 安装踩坑日志。

3. 配置开发环境 (可选)

如果你使用 PyCharm：

1. 打开 PyCharm，选择 File -> Open，选中 GDLnotes 文件夹。
2. 在 Settings -> Project -> Python Interpreter 中，添加上述创建的虚拟环境。

基本使用

本项目以“笔记 + 代码实践”的形式组织，按课程章节递进。

1. 浏览学习笔记

笔记位于 note 目录下，按课程结构分类。你可以直接在 GitHub 上阅读，或在本地用 Markdown 编辑器查看。

• Lesson 1: 从机器学习到深度学习 (逻辑回归、随机优化)
  • 路径：note/lesson-1/
• Lesson 2: 深度神经网络 (线性模型局限、深层网络构建)
  • 路径：note/lesson-2/
• Lesson 3: 卷积神经网络 (CNN)
  • 路径：note/lesson-3/
• Lesson 4: 文本与序列深度模型 (RNN)
  • 路径：note/lesson-4/

2. 运行实践代码

每个章节下包含具体的实践脚本（通常为 .py 文件或 Jupyter Notebook）。以运行 Lesson 1 的逻辑回归实践为例：

# 进入对应章节目录
cd note/lesson-1

# 运行实践代码 (假设文件名为 practical.py，具体文件名请以目录内实际文件为准)
python practical.py

3. 辅助资料学习

• 官方教程：访问 Udacity 课程地址
• 视频与字幕：
  • 视频下载链接
  • 字幕下载链接

开始你的深度学习之旅吧！如有问题，欢迎前往项目的 Issue 区 讨论。