欢迎来到深度学习基础教程。本教程面向所有深度学习爱好者/学生/求职人员/算法工程师新手，希望能从深度学习数学知识、深度学习模型基础、深度学习应用等三个方面对深度学习相关内容进行总结学习。
笔者在自学深度学习的过程中，发现大部分教程、资料对于深度学习所涉及的数学知识、实践操作讲解并不能让自己完全理解，所以在学习了李沐老师的《动手学深度学习》、斯坦福cs224n、斯坦福231n等各个经典课程之后，笔者将学习过程进行总结，也算是对自己知识体系的一个梳理。
希望读者在看完本教程之后，能基于高中数学/大学本科一年级数学基础知识和简单的Python编程知识来对深度学习知识进行扎实学习和应用。
本教程做为交流学习使用，整理了众多资料，由于自己精力有限，暂时无法对所有内容进行重写和图片自创. 本教程参考了北京理工大学毛京中老师的《高等数学》、李沐老师的《动手学深度学习》、斯坦福cs231n、斯坦福224n、各知乎精华问答、各大牛博客知识，如果涉及侵权请联系我删除，谢谢！
如果您在文章中发现错误之处，请帮忙在github提交issue/request，我将及时进行修正，谢谢！
- 深度学习数学基础从标量、向量、矩阵、张量讲起，然后逐步展开求导、偏导、方向导数、梯度，最后对单层神经网络进行了求梯度演示。
- 深度学习模型基础希望能够对常用的模型结构（transformer、lstm、cnn、mlp）进行通俗易懂的讲解。
- 深度学习应用希望能为常见的深度学习任务提供详细的例子，帮助读者一步步读取数据、预处理数据、调用正确的模型、运行模型、后处理模型预测结果、得到接近SOTA的结果。
我的知乎是多多笔记
可以添加这个微信号联系我：bit_pku_eecs，备注：交流，可以帮拉入transformer、NLP、深度学习的交流群进行讨论。
也欢迎关注公众号：
