机器学习可视化

📣 敬请期待幻灯片和仓库的重大更新！！！

📣 同时，请加入我们的 Discord：Join our Discord

ML Visuals 是一项新的协作项目，旨在通过提供免费、专业、引人入胜且合适的视觉素材和图表，帮助机器学习社区提升科学传播能力。目前，我们已有超过100张图表（全部由社区成员开源贡献）。您可以自由地在机器学习相关的演示文稿或博客文章中使用这些视觉素材。无需事先获得许可即可使用任何素材，但如果您能在适当的地方注明设计者或作者信息（可在幻灯片备注中找到），我们将不胜感激。请查看下方的各个版本。

该项目由 dair.ai 社区发起。最新版的 Google Slides 可以在此 GitHub 仓库中找到。我们的社区成员将在后续版本中继续添加更多常见的图表和基础元素。您可以将此项目视为免费且开放的资源与模板，可随意下载、复制、分发、复用并根据自身需求进行定制。

ML Visuals 现已广泛应用于硕士/博士生的报告、论文（例如这篇 论文）以及其他场景中，支持了数百个图表的制作。

如何使用？

我们主要使用 Google Slides 来维护所有的视觉素材和图表（请参阅下方版本）。如需添加自定义图表，只需新建一张幻灯片，并重复利用现有的基础视觉组件（记得申请编辑权限）。您也可以创建一份自己的幻灯片副本，按需进行个性化调整。我们鼓励作者和设计师将自己的作品上传至此处，以便他人复用。请务必在幻灯片的备注部分注明您的作者信息，这样其他人在使用这些素材时可以给予适当的署名（例如在博客或演讲中）。此外，还请为您的视觉素材撰写简短说明，帮助用户理解其内容及用途。如果您需要“编辑”权限，只需在 Google Slides 的“仅查看”工具栏中点击“请求编辑权限”，或者发送邮件至 ellfae@gmail.com。

从任意幻灯片中下载图表非常简单：只需点击“文件”→“下载”→选择所需格式即可。

如果您在自定义图表方面需要帮助，或有对他人有价值的创意想法，我们随时乐意协助。请在此处 提交问题，我们将尽力为您设计所需的视觉素材。感谢您的支持！

如需邀请加入我们的 Slack 群组，欢迎随时联系我在 Twitter 上的账号。

版本：

• 版本 1.0

如何贡献？

• 您可以访问我们的 项目页面，查看与本研究项目相关的所有正在进行的任务或问题。请注意标记为 ml_visuals 的议题。带有 good first issue 标签的议题非常适合新手入门。
• 您也可以直接浏览 issues 标签页。
• 如有任何关于本项目的问题，欢迎在我们的 Slack 群组中提问。
• Slack 频道：#ml_visuals

待添加到幻灯片中的图表建议 (issue)

• 线性回归、单层神经网络
• 具有隐藏层的多层感知机
• 反向传播
• 批量归一化及其替代方案
• 计算图
• Dropout
• 卷积神经网络——填充、步幅、池化等
• LeNet
• AlexNet
• VGG
• GoogleNet
• ResNet
• DenseNet
• 记忆网络
• 循环神经网络
• 深度循环神经网络
• 双向循环神经网络
• GRU
• LSTM
• 语言模型中的循环神经网络
• 时间上的反向传播
• 编码器-解码器架构
• 基于循环神经网络的编码器-解码器序列到序列模型
• 贝叶斯搜索及其他解码策略
• 注意力机制
• 多头注意力
• 自注意力
• Transformer
• Word2vec/GloVe/Skip-gram/CBOW/BERT/GPT……
• 常见/流行的计算机视觉与自然语言处理任务

该列表参考了多个资源，包括 nlpoverview 和 d2l.ai，两者都提供了非常扎实的知识体系。

示例视觉素材

ML Visuals 快速上手指南

ML Visuals 是一个由 dair.ai 社区驱动的开源项目，旨在为机器学习研究者提供高质量、可自由使用的演示文稿图表和素材。本项目基于 Google Slides 构建，无需安装任何软件环境或依赖库，直接通过浏览器即可使用。

环境准备

本项目无传统意义上的系统要求或代码依赖，仅需满足以下条件：

• 设备：电脑、平板或手机（推荐电脑端操作以便编辑）。
• 浏览器：现代主流浏览器（Chrome, Edge, Firefox, Safari 等）。
• 账号：拥有 Google 账号（用于访问和复制幻灯片）。
• 网络：能够访问 Google Docs/Slides 服务。

注意：由于 Google 服务在中国大陆地区的访问限制，建议开发者配置科学上网环境或使用合法的跨境加速工具以确保流畅访问。

安装步骤

本项目无需执行命令行安装。获取素材的步骤如下：

1. 访问主页： 打开浏览器，访问 ML Visuals 最新版 Google Slides 链接：

   https://docs.google.com/presentation/d/11mR1nkIR9fbHegFkcFq8z9oDQ5sjv8E3JJp1LfLGKuk/edit?usp=sharing
   

2. 创建个人副本（推荐）：

   • 点击菜单栏的 File (文件)。
   • 选择 Make a copy (制作副本)。
   • 将副本保存到你自己的 Google Drive 中。
   • 此时你拥有该副本的完全编辑权限，可随意修改。

3. 申请编辑权限（可选）： 如果你希望直接向官方仓库贡献新图表，可在原链接点击右上角的 Request edit access (请求编辑权限)，或发送邮件至 ellfae@gmail.com 申请。

基本使用

1. 下载单个图表

如果你只需要在论文或博客中使用某一张图：

• 在幻灯片中选中目标图表元素。
• 点击菜单栏 File → Download。
• 选择所需格式（推荐 PNG image 或 SVG image 以获得高清矢量图）。
• 图片将自动下载到本地。

2. 自定义与组合

如果你需要制作新的架构图或流程图：

• 打开你之前创建的 副本 (Make a copy)。
• 新建一张空白幻灯片 (Slide → New slide)。
• 从现有的幻灯片中复制基础的视觉组件（如神经网络层、数据流箭头、图标等）。
• 粘贴到新幻灯片中，利用 Google Slides 的工具进行排列、变色、添加文字。
• 完成后，按照“下载单个图表”的步骤导出最终成果。

3. 引用规范

虽然免费使用且无需事先许可，但作者建议在博客、论文或演示文稿中注明素材来源及原始设计者信息（设计者姓名通常位于幻灯片备注栏 Slide notes 中），以示尊重。

4. 参与贡献

如果你有新的图表创意或想提交作品：

• 访问 GitHub Issues 页面查看待办任务：

  https://github.com/dair-ai/ml-visuals/issues
  

• 寻找标记为 good first issue 的任务开始贡献。
• 加入社区 Discord 或 Slack (#ml_visuals 频道) 进行交流。