深度学习可视化

盾牌：

本仓库灵感来源于由dair.ai维护的ML Visuals仓库。

深度学习可视化 包含 215张独特图片，分为 23个类别（部分图片可能出现在多个类别中）。所有图片最初发表在我的书籍《使用 PyTorch 的深度学习：循序渐进——初学者指南》（Leanpub）中。

我可以自由使用这些图片吗？

当然可以！在 CC-BY 许可下，您可以在自己的博客文章、幻灯片、演示文稿或论文中自由使用这些图片。

太好了，它们在哪里呢？

您可以轻松浏览各个页面和索引，点击所需的图片即可查看其完整尺寸：

• 激活函数
• 架构
• 杂项
• 注意力机制
• 批归一化
• BERT
• 分类
• 卷积
• 解码器
• Dropout
• ELMo
• 编码器
• 前馈网络
• 梯度下降
• 初始化与梯度裁剪
• 层归一化
• 优化器与调度器
• 补丁嵌入
• 位置编码
• RNN
• 序列到序列
• Transformer

我该如何使用它们？

免责声明：这并非法律建议，您应始终自行阅读许可协议！

简而言之，只要您进行署名，就可以在自己的材料中使用（或改编）这些图片，甚至用于商业目的。以下是关于署名最佳实践的快速指南。以下是一些图片及其署名示例：

逻辑回归

图片由dvgodoy提供 / CC BY

RNN

图片由dvgodoy提供 / CC BY

Transformer

图片由dvgodoy提供 / CC BY

本作品采用 知识共享署名 4.0 国际许可协议授权。

dl-visuals 快速上手指南

dl-visuals 是一个包含 215 张独特深度学习示意图的开源资源库，涵盖 23 个类别（如激活函数、Transformer 架构、卷积等）。这些图片源自书籍《Deep Learning with PyTorch Step-by-Step》，采用 CC BY 4.0 协议，允许在博客、幻灯片、论文甚至商业项目中免费使用和改编，只需注明出处。

注意：本项目为静态图片资源库，无需安装任何软件包或配置运行环境。

环境准备

• 系统要求：无特殊要求，支持任何能访问互联网的操作系统（Windows, macOS, Linux）。
• 前置依赖：
  • 现代网页浏览器（Chrome, Firefox, Edge 等）用于浏览和下载图片。
  • （可选）Git 命令行工具，用于克隆仓库获取高清原图。

安装步骤

由于本项目是资源集合而非可执行代码库，您有两种方式使用：

方式一：在线浏览与下载（推荐）

直接访问官方托管页面，按分类查找并右键保存图片：

• 访问地址：https://dvgodoy.github.io/dl-visuals/

方式二：本地克隆仓库

如需批量获取所有高清原图，可使用 Git 克隆：

git clone https://github.com/dvgodoy/dl-visuals.git

国内用户若遇到连接缓慢，可尝试使用镜像加速：

git clone https://gitee.com/mirrors/dl-visuals.git

(注：若 Gitee 镜像不可用，请回退至官方 GitHub 地址)

基本使用

1. 浏览与检索

进入在线页面后，点击左侧或顶部的分类链接（如 Transformers, RNNs, Convolutions）即可查看对应领域的示意图。点击图片可全屏查看。

2. 在文档中使用

下载图片后，可直接插入您的 Markdown、PPT 或 LaTeX 文档中。

引用规范（必须）： 根据 CC BY 4.0 协议，使用时必须保留以下格式的署名：

Image by dvgodoy / CC BY

使用示例（Markdown）：

![Logistic Regression Model](./Classification/logistic_model.png)
*Image by [dvgodoy](https://github.com/dvgodoy/dl-visuals) / [CC BY](https://creativecommons.org/licenses/by/4.0/)*

使用示例（PPT/论文脚注）： 在图片下方或页脚标注：Source: dvgodoy/dl-visuals (CC BY 4.0)