蒲公英书系列：如何快速选对《神经网络与深度学习》学习路线的完整指南

蒲公英书系列：如何快速选对《神经网络与深度学习》学习路线的完整指南

【免费下载链接】nndl邱锡鹏《神经网络与深度学习》第二版与通识版：电子书、章节目录、学习资源与勘误。项目地址: https://gitcode.com/GitHub_Trending/nn/nndl

这个仓库是邱锡鹏"蒲公英书"系列（《神经网络与深度学习》）的官方导航门户。它把四本书的电子 PDF、章节目录、阅读路径、勘误入口和按章节整理的可视化演示集中到同一个地方。新手不用在多个仓库之间反复跳转，从这里就能完成选书、下载和上手三步。

四本书各管一段：先认清再选书

仓库收录四本书，封面与定位一一对应，避免"看起来都想读"的困惑：

• 理论主线（第二版）：从线性模型讲到 Transformer、大语言模型与生成模型，共 16 章，体系最完整。目录见 nndl-v2/index.md。
• 通识版：弱化数学推导，用直观方式讲清核心思想，面向零基础和非专业读者。目录见 nndl-ge/index.md。
• 案例与实践（第二版）：每章配套可运行的 PyTorch notebook 与测试，把公式变成实验。目录见 nndl-practice/index.md。
• 大模型与智能体：专题书，覆盖预训练、对齐、工具调用、记忆与规划。目录见 llm-agent/index.md。

对照你的背景，三分钟定阅读路线

选书页 reading-path/index.md 给出了 5 类读者画像，核心逻辑是"看起点定入口"，可以压缩成四条判断：

1. 零基础或非专业：先读通识版，建立概念地图，再决定是否深入公式。
2. 计算机或 AI 专业：以第二版 1–13 章为主线，每读完一章就运行实践篇同章节的 notebook。
3. 已有机器学习基础：直接跑实践篇的代码，遇到推导再回第二版对应章节查。
4. 研究生或大模型方向：先补第二版第 8 章（注意力机制与 Transformer），再转入大模型与智能体全本。

页内还附了一张"主题—书目"对照表：某个主题（比如 Transformer、扩散模型、图神经网络）该去哪本书找，查表即可。

三步拿到全套电子书与目录

📥 第一步，克隆本仓库作为资源入口：git clone https://gitcode.com/GitHub_Trending/nn/nndl.github.io。

📖 第二步，打开对应书的目录页（如 nndl-v2/index.md），页面里同时给出完整章节目录和官方 PDF 下载地址。

🧩 第三步，按需进入可视化目录 viz/index.md，把抽象概念对照动图理解。

另外，如果想在本地构建这个门户站点，按 README.md 说明执行bundle exec jekyll serve即可；书目元数据由 scripts/aggregate-books.py 聚合生成，一般读者不需要碰。

可视化资源按章节索引，卡壳就查它

仓库的 viz/ 目录按第二版章节顺序整理了动图与交互演示，覆盖卷积、循环网络、优化器轨迹、注意力与 Transformer 等概念。以序列建模为例，同一句"Hello world"的机器翻译任务，可以分别观察 RNN、卷积与 Transformer 三种架构的编解码过程：

这类横向对比演示能帮你直观看出：RNN 依赖逐步递推，而 Transformer 用自注意力一次处理整个序列。学第 8 章时打开对照页，比反复读公式更容易建立直觉。

站内关键入口速查

• _data/books.yml：四本书的元数据（书名、封面、章节目录），改书目以它为准。
• reading-path/index.md：选书逻辑与读者画像，拿不准先看这里。
• viz/index.md：全部可视化素材总索引，按第 4–16 章排列。
• README.md：本地开发与书目更新流程，贡献者向。
• scripts/dev.ps1：一键启动本地预览的脚本。

上手之后的阅读节奏

先把目录、章首和章末小结扫一遍，知道每块知识的位置再精读；理论和代码交替推进，公式卡住就先跑一个最小实验；四本书不是清单，遇到问题按主题回查即可。把阅读路径页和可视化页固定成常开标签，遇到看不懂的一节就翻对应的动图，这套节奏足以覆盖从入门到进阶的全过程。

【免费下载链接】nndl邱锡鹏《神经网络与深度学习》第二版与通识版：电子书、章节目录、学习资源与勘误。项目地址: https://gitcode.com/GitHub_Trending/nn/nndl