标签归档：book

Fastbook-以Jupyter笔记本的形式出版的Fastai书

2021年7月15日 Python实用宝典

这些笔记本是用来a MOOC并构成了this book，目前可供购买。它没有与本草案相同的gpl限制。

笔记本和python中的代码.py文件包含在GPL v3许可证中；有关详细信息，请参阅许可证文件

其余部分(包括笔记本和其他散文中的所有减价单元)除复制笔记本或分叉本回购供您自己使用外，不得进行任何再分发或更改格式或介质的许可。任何商业或广播用途都是不允许的。我们免费提供这些材料，以帮助您学习深度学习，因此请尊重我们的版权和这些限制

如果您看到有人在其他地方托管这些材料的副本，请让他们知道他们的行为是不允许的，并可能导致法律诉讼。此外，他们会伤害社区，因为如果人们忽视我们的版权，我们就不太可能以这种方式发布更多的材料

这是一份初稿。如果您在运行笔记本时遇到问题，请搜索fastai-dev forum寻求答案，并在那里寻求帮助(如果需要)。请不要使用GitHub问题来解决笔记本运行问题

如果您对此回购提出任何拉取请求，那么您就是将该作品的版权分配给Jeremy Howard和Sylvain Gugger。(此外，如果您正在对拼写或文本进行小的编辑，请指定文件名，并对您要修复的内容进行非常简短的描述。审查者很难知道哪些修改已经做过了。谢谢您。)

引文

如果你想引用这本书，你可以使用以下内容：

@book{howard2020deep,
title={Deep Learning for Coders with Fastai and Pytorch: AI Applications Without a PhD},
author={Howard, J. and Gugger, S.},
isbn={9781492045526},
url={https://books.google.no/books?id=xd6LxgEACAAJ},
year={2020},
publisher={O'Reilly Media, Incorporated}
}

github

Python-guide Python最佳实践指南，为人类编写

2021年7月13日 Python实用宝典

Python搭便车指南

Python最佳实践指南

→在以下网址阅读免费指南：docs.python-guide.org

工作正在进行中。如果你愿意帮忙，请便。有很多工作要做

这本指南目前正在大力开发中。本自以为是的指南旨在为Python新手和专业开发人员提供每日安装、配置和使用Python的最佳实践手册

主题包括：

特定于平台和版本的安装
Py2app、Py2exe、bbFreeze、pyInstaller
管道
虚拟环境
交换矩阵
详尽的模块建议，按主题/目的分组
哪些库用于什么用途
适用于各种Web框架的服务器配置和工具
文档：编写文档
测试：Jenkins&Tox指南
如何轻松实现界面hg从…git

如果你不喜欢阅读reStructiredText，这里有一个几乎是最新的HTML version at docs.python-guide.org

github

D2l-zh 动手学深度学习

2021年7月13日 Python实用宝典

本开源项目代表了我们的一种尝试:我们将教给读者概念、背景知识和代码；我们将在同一个地方阐述剖析问题所需的批判性思维、解决问题所需的数学知识，以及实现解决方案所需的工程技能.

我们的目标是创建一个为实现以下目标的统一资源：

所有人均可在网上免费获取；
提供足够的技术深度，从而帮助读者实际成为深度学习应用科学家:既理解数学原理，又能够实现并不断改进方法；
包含可运行的代码，为读者展示如何在实际中解决问题.这样不仅直接将数学公式对应成实际代码，而且可以修改代码、观察结果并及时获取经验；
允许我们和整个社区不断快速迭代内容，从而紧跟仍在高速发展的深度学习领域；
由包含有关技术细节问答的论坛作为补充，使大家可以相互答疑并交换经验.

将本书(中英文版)用作教材或参考书的大学

如果本书对你有帮助，请星空(★)本仓库或引用本书的英文版：

@article{zhang2021dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    journal={arXiv preprint arXiv:2106.11342},
    year={2021}
}

本书的第二版

虽然纸质书第一版已经出版，但深度学习领域依然在迅速发展.为了得到来自更广泛的英文开源社区的帮助，从而提升本书质量，本书的第二版正在用英文写.英文版正不断被搬回中文版中.

目前，英文版已超过160节(中文版共96节)，例如增加了理论背景(如优化收敛分析)、硬件设计(如参数服务器)、全新篇章(如注意力机制、推荐系统、深度学习的数学、生成对抗网络)、应用种类(如自然语言推理)、模型种类(如变压器、BERT)等，并优化重组了大量章节(如将自然语言处理篇章按从预训练表征、到模型设计、再到下游应用重构)。

欢迎关注本书第二版的英文开源项目。

中英文教学资源

加州大学伯克利分校2019年年春学期Introduction to Deep Learning 课程教材(同时提供含教学视频地址的中文版课件).

学术界推荐

“如果你想深入学习，那就看看这本书吧！”

-韩家炜，acm院士、ieee院士，美国伊利诺伊大学香槟分校计算机系Michael Aiken主席教授

“这对机器学习文献来说是一个非常受欢迎的补充。”

–Bernhard Schölkopf，acm院士、德国国家科学院院士，德国马克斯·普朗克研究所智能系统院院长

“书中代码可谓‘所学即所用’。”

-周志华，acm院士、ieee院士、aaas院士，南京大学计算机科学与技术系主任

“这本书可以帮助深度学习实践者快速提升自己的能力”

-张潼，asa院士、ims院士，香港科技大学计算机系和数学系教授

工业界推荐

“一本优秀的深度学习教材，值得任何想了解深度学习何以引爆人工智能革命的人关注”

-黄仁勋，NVIDIA创始人兼首席执行官

“”动手学深度学习“是最适合工业界研发工程师学习的.我毫无保留地向广大的读者们强烈推荐。”

-余凯，地平线公司创始人&首席执行官

“强烈推荐这本书！我特别赞赏这种手脑一体的学习方式”

-漆远，蚂蚁金服副总裁、首席AI科学家

“”动手学深度学习“是一本很容易让学习者上瘾的书。”

–沈强，将门创投创始合伙人

贡献

感谢社区贡献者们为每一位读者改进这本开源书.

如何贡献|致谢|讨论或报告问题|其他

Python 实用宝典