[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-zhanggyb--nndl":3,"tool-zhanggyb--nndl":65},[4,23,32,40,49,57],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":22},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。",84991,2,"2026-04-05T10:45:23",[13,14,15,16,17,18,19,20,21],"图像","数据工具","视频","插件","Agent","其他","语言模型","开发框架","音频","ready",{"id":24,"name":25,"github_repo":26,"description_zh":27,"stars":28,"difficulty_score":29,"last_commit_at":30,"category_tags":31,"status":22},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。",77062,3,"2026-04-04T04:44:48",[17,13,20,19,18],{"id":33,"name":34,"github_repo":35,"description_zh":36,"stars":37,"difficulty_score":29,"last_commit_at":38,"category_tags":39,"status":22},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74913,"2026-04-05T10:44:17",[19,13,20,18],{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":46,"last_commit_at":47,"category_tags":48,"status":22},3215,"awesome-machine-learning","josephmisiti\u002Fawesome-machine-learning","awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。\n\n它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。\n\n其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。",72149,1,"2026-04-03T21:50:24",[20,18],{"id":50,"name":51,"github_repo":52,"description_zh":53,"stars":54,"difficulty_score":46,"last_commit_at":55,"category_tags":56,"status":22},2234,"scikit-learn","scikit-learn\u002Fscikit-learn","scikit-learn 是一个基于 Python 构建的开源机器学习库，依托于 SciPy、NumPy 等科学计算生态，旨在让机器学习变得简单高效。它提供了一套统一且简洁的接口，涵盖了从数据预处理、特征工程到模型训练、评估及选择的全流程工具，内置了包括线性回归、支持向量机、随机森林、聚类等在内的丰富经典算法。\n\n对于希望快速验证想法或构建原型的数据科学家、研究人员以及 Python 开发者而言，scikit-learn 是不可或缺的基础设施。它有效解决了机器学习入门门槛高、算法实现复杂以及不同模型间调用方式不统一的痛点，让用户无需重复造轮子，只需几行代码即可调用成熟的算法解决分类、回归、聚类等实际问题。\n\n其核心技术亮点在于高度一致的 API 设计风格，所有估算器（Estimator）均遵循相同的调用逻辑，极大地降低了学习成本并提升了代码的可读性与可维护性。此外，它还提供了强大的模型选择与评估工具，如交叉验证和网格搜索，帮助用户系统地优化模型性能。作为一个由全球志愿者共同维护的成熟项目，scikit-learn 以其稳定性、详尽的文档和活跃的社区支持，成为连接理论学习与工业级应用的最",65628,"2026-04-05T10:10:46",[20,18,14],{"id":58,"name":59,"github_repo":60,"description_zh":61,"stars":62,"difficulty_score":10,"last_commit_at":63,"category_tags":64,"status":22},3364,"keras","keras-team\u002Fkeras","Keras 是一个专为人类设计的深度学习框架，旨在让构建和训练神经网络变得简单直观。它解决了开发者在不同深度学习后端之间切换困难、模型开发效率低以及难以兼顾调试便捷性与运行性能的痛点。\n\n无论是刚入门的学生、专注算法的研究人员，还是需要快速落地产品的工程师，都能通过 Keras 轻松上手。它支持计算机视觉、自然语言处理、音频分析及时间序列预测等多种任务。\n\nKeras 3 的核心亮点在于其独特的“多后端”架构。用户只需编写一套代码，即可灵活选择 TensorFlow、JAX、PyTorch 或 OpenVINO 作为底层运行引擎。这一特性不仅保留了 Keras 一贯的高层易用性，还允许开发者根据需求自由选择：利用 JAX 或 PyTorch 的即时执行模式进行高效调试，或切换至速度最快的后端以获得最高 350% 的性能提升。此外，Keras 具备强大的扩展能力，能无缝从本地笔记本电脑扩展至大规模 GPU 或 TPU 集群，是连接原型开发与生产部署的理想桥梁。",63927,"2026-04-04T15:24:37",[20,14,18],{"id":66,"github_repo":67,"name":68,"description_en":69,"description_zh":70,"ai_summary_zh":70,"readme_en":71,"readme_zh":72,"quickstart_zh":73,"use_case_zh":74,"hero_image_url":75,"owner_login":76,"owner_name":77,"owner_avatar_url":78,"owner_bio":79,"owner_company":79,"owner_location":80,"owner_email":79,"owner_twitter":79,"owner_website":79,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":95,"env_os":96,"env_gpu":97,"env_ram":97,"env_deps":98,"category_tags":106,"github_topics":79,"view_count":10,"oss_zip_url":79,"oss_zip_packed_at":79,"status":22,"created_at":107,"updated_at":108,"faqs":109,"releases":160},2786,"zhanggyb\u002Fnndl","nndl","Another Chinese Translation of Neural Networks and Deep Learning","nndl 是迈克尔·尼尔森经典开源著作《神经网络与深度学习》的另一个中文翻译版本。它致力于解决国内学习者在学习深度学习基础理论时，面临优质中文教材稀缺或现有译本排版不佳、公式查阅不便等痛点。\n\n该项目不仅提供了准确的中文内容，更独特的亮点在于全程采用 LaTeX 进行排版。相比普通文档，这种方式能呈现出版书级别的精美视觉效果，并实现了数学公式、图表与正文之间的高效交叉引用，极大地提升了阅读体验和学术严谨性。项目作者在原创学习笔记的基础上，也借鉴了社区已有的优秀翻译成果，确保了内容的质量与进度。\n\nnndl 非常适合人工智能领域的初学者、高校学生、研究人员以及希望系统夯实深度学习基础的开发者使用。对于想要深入理解神经网络原理，且对文档排版和公式推导有较高要求的读者来说，这是一份不可多得的学习资料。用户既可以直接阅读生成的 PDF 版本，也可以克隆源码库，在配置好相应字体和 TeX 环境后，自行编译定制专属的学习文档。","# Another Chinese Translation of Neural Networks and Deep Learning\n\nThis is another (work in progress) Chinese translation of Michael Nielsen's\n[Neural Networks and Deep Learning](http:\u002F\u002Fneuralnetworksanddeeplearning.com\u002F),\noriginally my learning notes of this free online book. It's written in\nLaTeX for better look and cross-referencing of math equations and plots. And I\nborrowed some finished work from\nhttps:\u002F\u002Fgithub.com\u002Ftigerneil\u002Fneural-networks-and-deep-learning-zh-cn.\n\n## Compile the LaTeX Source Code\n\nTo compile the source code to a PDF file, please make sure you have a latest TeX\nsystem installed. You can download and install a TeX distribution for your\nplatform from http:\u002F\u002Ftug.org.\n\nIt's recommended to install\n- [Tex Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F) 2015 or later for Linux\n- [MacTex](http:\u002F\u002Ftug.org\u002Fmactex\u002F) 2015 or later for Mac OS X\n\n### Check out source code\n\nUse git to clone this repository and the code samples as a sub module:\n\n```shell\n$ git clone --recursive https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl.git\n```\n\nor\n\n```shell\n$ git clone https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl.git\n$ cd nndl\n$ git submodule update --init --recursive\n```\n\n### Prepare Fonts\n\nDownload and install these free fonts:\n\n- [Google Noto CJK](https:\u002F\u002Fwww.google.com\u002Fget\u002Fnoto\u002Fhelp\u002Fcjk\u002F)\n- [Adobe Source Serif Pro](https:\u002F\u002Fgithub.com\u002Fadobe-fonts\u002Fsource-serif-pro)\n- [Adobe Source Code Pro](https:\u002F\u002Fgithub.com\u002Fadobe-fonts\u002Fsource-code-pro)\n\nIn most Linux distributions, these fonts can be installed with the default package manager.\n\nMac user could install with [Homebrew](https:\u002F\u002Fbrew.sh\u002F):\n\n```shell\n$ brew tap caskroom\u002Ffonts\n$ brew cask install font-noto-sans-cjk font-noto-serif-cjk font-source-code-pro font-source-serif-pro\n```\n\n### Generate PDF\n\nRun\n\n``` shell\n$ make\n```\n\nto typeset and generate the PDF document. Or use your favorite GUI TeX\napplication, but choose `XeLaTeX` as the typeset engine to support the chinese\nfonts.\n\n","# 神经网络与深度学习的另一份中文译本\n\n这是迈克尔·尼尔森所著《神经网络与深度学习》（http:\u002F\u002Fneuralnetworksanddeeplearning.com\u002F）的另一份（正在进行中的）中文译本，最初是我对这本免费在线书籍的学习笔记。为了使排版更美观，并便于数学公式和图表的交叉引用，我使用了 LaTeX 编写。此外，我还借鉴了 https:\u002F\u002Fgithub.com\u002Ftigerneil\u002Fneural-networks-and-deep-learning-zh-cn 上的一些已完成的工作。\n\n## 编译 LaTeX 源代码\n\n要将源代码编译成 PDF 文件，请确保已安装最新版本的 TeX 系统。您可以从 http:\u002F\u002Ftug.org 下载并安装适合您操作系统的 TeX 发行版。\n\n推荐安装以下软件：\n- 对于 Linux 系统，建议安装 [Tex Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F) 2015 或更高版本；\n- 对于 Mac OS X 系统，建议安装 [MacTeX](http:\u002F\u002Ftug.org\u002Fmactex\u002F) 2015 或更高版本。\n\n### 克隆源代码\n\n使用 git 克隆本仓库，并以子模块形式获取代码示例：\n\n```shell\n$ git clone --recursive https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl.git\n```\n\n或者\n\n```shell\n$ git clone https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl.git\n$ cd nndl\n$ git submodule update --init --recursive\n```\n\n### 准备字体\n\n下载并安装以下免费字体：\n- [Google Noto CJK](https:\u002F\u002Fwww.google.com\u002Fget\u002Fnoto\u002Fhelp\u002Fcjk\u002F)\n- [Adobe Source Serif Pro](https:\u002F\u002Fgithub.com\u002Fadobe-fonts\u002Fsource-serif-pro)\n- [Adobe Source Code Pro](https:\u002F\u002Fgithub.com\u002Fadobe-fonts\u002Fsource-code-pro)\n\n在大多数 Linux 发行版中，这些字体可以通过默认的包管理器安装。\n\n对于 Mac 用户，可以使用 [Homebrew](https:\u002F\u002Fbrew.sh\u002F) 进行安装：\n\n```shell\n$ brew tap caskroom\u002Ffonts\n$ brew cask install font-noto-sans-cjk font-noto-serif-cjk font-source-code-pro font-source-serif-pro\n```\n\n### 生成 PDF\n\n运行以下命令来排版并生成 PDF 文档：\n\n```shell\n$ make\n```\n\n您也可以使用自己喜欢的 TeX 图形界面应用程序，但请务必选择 `XeLaTeX` 作为排版引擎，以支持中文字体。","# nndl 快速上手指南\n\n`nndl` 是 Michael Nielsen 经典著作《神经网络与深度学习》的中文 LaTeX 翻译版本，旨在提供排版精美、公式与图表交叉引用便捷的电子书源码。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux 或 macOS（Windows 用户建议安装 WSL 或使用 TeX Live Windows 版）。\n*   **TeX 发行版**：需安装 2015 年或更高版本的 TeX 系统。\n    *   **Linux**: 推荐安装 [TeX Live](http:\u002F\u002Ftug.org\u002Ftexlive\u002F) 2015+\n    *   **macOS**: 推荐安装 [MacTeX](http:\u002F\u002Ftug.org\u002Fmactex\u002F) 2015+\n    *   *国内加速建议*：安装时可优先选择清华大学或中科大镜像源以提升下载速度。\n*   **必要字体**：项目依赖以下免费字体以正确渲染中文和代码：\n    *   Google Noto CJK\n    *   Adobe Source Serif Pro\n    *   Adobe Source Code Pro\n\n## 安装步骤\n\n### 1. 获取源码\n\n使用 `git` 克隆仓库并初始化子模块（包含代码示例）：\n\n```shell\n$ git clone --recursive https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl.git\n```\n\n如果已经克隆了仓库但未加载子模块，请执行：\n\n```shell\n$ cd nndl\n$ git submodule update --init --recursive\n```\n\n### 2. 安装字体\n\n**Linux 用户**：\n大多数发行版可通过包管理器直接安装上述字体（如 `fonts-noto-cjk`, `fonts-source-code-pro` 等）。\n\n**macOS 用户**：\n推荐使用 Homebrew 一键安装：\n\n```shell\n$ brew tap caskroom\u002Ffonts\n$ brew cask install font-noto-sans-cjk font-noto-serif-cjk font-source-code-pro font-source-serif-pro\n```\n\n## 基本使用\n\n完成环境配置后，即可编译生成 PDF 文档。\n\n在项目根目录下运行：\n\n```shell\n$ make\n```\n\n系统将调用 `XeLaTeX` 引擎进行排版并生成 PDF 文件。\n\n> **注意**：如果您习惯使用图形化 TeX 编辑器（如 TexShop, TeXworks 等），请务必将编译引擎设置为 **`XeLaTeX`**，否则无法正确显示中文字体。","一名刚入门深度学习的大学生，试图研读 Michael Nielsen 的经典英文原著《Neural Networks and Deep Learning》以夯实理论基础。\n\n### 没有 nndl 时\n- 面对满篇复杂的数学公式和长难句，非英语母语者阅读速度极慢，常常因语言障碍中断对核心算法逻辑的思考。\n- 网上现有的翻译版本多为零散的 Markdown 或网页片段，公式渲染效果差，且缺乏章节间的交叉引用，查阅极其不便。\n- 想要打印纸质版在离线环境下深入研读时，发现现有资源排版混乱，无法生成包含高质量矢量图和清晰公式的 PDF 文档。\n- 遇到生僻术语时，需要在浏览器、词典和代码仓库间反复切换，难以形成系统化的知识笔记。\n\n### 使用 nndl 后\n- 直接获取由社区贡献的高质量中文译本，语言流畅且术语准确，能将注意力完全集中在神经网络的反向传播等核心原理上。\n- 利用基于 LaTeX 编译生成的 PDF 版本，享受完美的数学公式渲染和清晰的图表展示，点击目录即可快速跳转至任意章节。\n- 通过简单的 `git clone` 和 `make` 命令，即可在本地一键生成排版精美的离线文档，支持随时随地深度阅读与批注。\n- 源码中内置了完整的交叉引用系统，复习时能轻松追踪公式推导过程，将原本碎片化的学习资料整合成系统的个人知识库。\n\nnndl 通过提供排版精良的中文本地化版本，彻底消除了语言与格式壁垒，让经典深度学习教材的阅读体验从“艰难啃食”变为“流畅吸收”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fzhanggyb_nndl_db363bbc.png","zhanggyb","Freeman Zhang","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fzhanggyb_3bf18242.png",null,"Shanghai, China","https:\u002F\u002Fgithub.com\u002Fzhanggyb",[83,87],{"name":84,"color":85,"percentage":86},"TeX","#3D6117",99.9,{"name":88,"color":89,"percentage":90},"Makefile","#427819",0.1,1248,340,"2026-04-01T13:06:13","NOASSERTION",4,"Linux, macOS","未说明",{"notes":99,"python":97,"dependencies":100},"该项目是书籍的 LaTeX 源码，非深度学习推理模型，因此无需 GPU。编译 PDF 需安装 TeX 发行版（推荐 Linux 用 Tex Live 2015+，Mac 用 MacTex 2015+）及指定中文字体。编译时必须使用 XeLaTeX 引擎以支持中文字体显示。",[101,102,103,104,105],"TeX Live (2015 或更高版本)","MacTex (2015 或更高版本)","Google Noto CJK 字体","Adobe Source Serif Pro 字体","Adobe Source Code Pro 字体",[18],"2026-03-27T02:49:30.150509","2026-04-06T07:15:08.189619",[110,115,120,125,130,135,140,145,150,155],{"id":111,"question_zh":112,"answer_zh":113,"source_url":114},12874,"运行 bootstrap.sh 脚本导致系统文件被删除怎么办？","该项目已不再使用 bootstrap.sh 脚本。请勿再运行此脚本，以免发生误删系统文件的风险。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F72",{"id":116,"question_zh":117,"answer_zh":118,"source_url":119},12875,"亚马逊链接访问慢或无法下载 PDF 怎么办？","如果是网络原因导致无法访问，可以尝试修改 hosts 文件来解决。推荐参考项目：https:\u002F\u002Fgithub.com\u002Fracaljk\u002Fhosts","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F64",{"id":121,"question_zh":122,"answer_zh":123,"source_url":124},12873,"在哪里可以下载美观易读的 PDF 版本？","可以直接在项目的 Releases 页面下载编译好的 PDF 文件，无需自行安装庞大的 LaTeX 环境。下载地址：https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Freleases","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F74",{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},12876,"在 Windows 上使用 TeXworks 单独编译 tikz8.tex 报错或缺少文档开始标记怎么办？","本项目目前仅支持在 Mac 和 Linux 下通过 `make` 命令进行编译，不支持 Windows 下的 GUI 工具（如 TeXworks）单独编译复杂文件。图形文件位于 images 目录，建议在 Mac\u002FLinux 执行一次 `make` 后，直接拷贝 images\u002F 中生成的 pdf 图像使用。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F62",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},12877,"编译时遇到 'Package pgfkeys Error: I do not know the key ...' 错误如何解决？","这是因为 pgf 包版本过旧，缺少新特性支持。请更新所有 TeX 包，执行命令：`tlmgr update --all`。或者手动下载并安装最新版的 pgf 和 pgfplots 包（如 pgf_3.0.1 和 pgfplots_1.13）。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F14",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},12878,"术语 'pooling' 应该翻译为 '混合' 还是 '池化'？","已修正为 '池化'。虽然维护者个人可能不喜欢这个词，但为了符合通用习惯，最新版中已统一采用 '池化' 这一译法。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F78",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},12879,"新手用户找不到最新的 PDF 版本怎么办？","最新的 PDF 版本通常发布在 GitHub 仓库的 'Releases' 标签页中，而不是直接在代码仓库根目录。请访问 https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Freleases 获取最新版。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F76",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},12880,"术语 'Perceptron' 建议翻译为什么？","已采纳建议，在版本 0.5 及以后将 'Perceptron' 统一翻译为 '感知机'。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F66",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},12881,"发现书中代码缩进或逻辑错误（如 update_mini_batch 函数）如何获取修正版？","此类代码错误已在后续版本中修复。请下载最新的 Release 版本（如 tag 0.5 或更新）以获取修正后的内容：https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Freleases\u002Ftag\u002F0.5","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F61",{"id":156,"question_zh":157,"answer_zh":158,"source_url":159},12882,"翻译中提到 'σ−1' 是 σ 函数的 '倒数' 是否准确？","不准确，原文意指 '反函数' (inverse function) 而非数学上的 '倒数' (1\u002Ff(x))。该翻译错误已在版本 0.4 中修正。","https:\u002F\u002Fgithub.com\u002Fzhanggyb\u002Fnndl\u002Fissues\u002F58",[161,165,170,175,180,185,190,194],{"id":162,"version":163,"summary_zh":79,"released_at":164},71535,"latest","2017-12-29T09:20:05",{"id":166,"version":167,"summary_zh":168,"released_at":169},71536,"0.5","• 使用宋体作为默认中文字体，并搭配默认西文字体  \n• 使用 glossaries 包来组织中英文术语，注意在 chapter 和 section 环境中无法使用 gls 命令  \n• 合并 GC555 对第一章部分的修订意见  \n• 修正 1.6 中的代码错误","2017-04-09T14:06:04",{"id":171,"version":172,"summary_zh":173,"released_at":174},71537,"0.4","修复翻译中的错别字和错误","2016-11-25T08:16:13",{"id":176,"version":177,"summary_zh":178,"released_at":179},71538,"0.3","于2016年用LaTeX生成。\n修正错别字，添加致谢附录。","2016-08-08T08:17:51",{"id":181,"version":182,"summary_zh":183,"released_at":184},71539,"0.2","修复一些错别字和不通顺的句子。","2016-05-17T14:05:19",{"id":186,"version":187,"summary_zh":188,"released_at":189},71540,"0.1.1","修复拼写错误，并添加来自 Neil 网页的附录“sai”。\n","2016-04-16T05:19:35",{"id":191,"version":192,"summary_zh":79,"released_at":193},71541,"0.1","2016-03-22T04:13:31",{"id":195,"version":196,"summary_zh":197,"released_at":198},71542,"draft","这是一个早期预览版，仅供没有 TeX 编译环境的用户使用。通常位于 `master` 分支之后。\n","2016-03-13T11:30:27"]