2020年寒假组队学习《动手学深度》，作为自己的深度学习的入门的体系
为了让自己能够Cover动手学习深度学习这本书，目前笔者采用的学习路径以李沐《动手学深度》的原书为主，伯禹的视频为辅，课后练习及书中习题为检测来完成。
第一遍 预习总结 看对应章节的原书《动手学习深度学习》，对内容用自己的方式总结为markdown笔记，同时对原书中章节的课后习题进行解答；
第二遍 代码搞懂 以伯禹视频为辅助，同时对每一句代码进行文档和blog的查阅，理解其中使用的torch的函数的用法，并作上标注。输出类型为：文档标注笔记后导出的pdf，以及由标注总结成的markdown(后面有时间整理)；
第三遍 复盘 泊禹平台每个章节的习题解答和解析，分析每一个选项的内容，确保自己完全掌握住了知识点。
-
Q：看视频觉得讲的不够详细，理解的不够透彻？
A：读《动手学深度学习》的原书，原书上的解释以及代码给的比较详细，读原书可以顺出一条比较清晰的路径；
-
Q：总结笔记怎么做？
A：笔者刚开始时一直没找到做总结笔记的好方法，后来在读原书的过程中，就是尝试把原书中过程性的给总结成介绍性的话，比如书上说的是需要来求一个批量样本的梯度和，那么需要定义自动求梯度的模块。你总结的话可以说是：这里需要定义自动求梯度的模块，这个模块的作用是来求一个批量样本的梯度和。
-
Q：在家学不进怎么整？
A：可以找同队人一起打卡，也可以找别人提醒下开个头，开完头后就顺很多了，唯有行动，可破焦虑！
-
Q：学习效率的app推荐
A：Timing，番茄todo；最好是能开始把想做的事都写在‘收集箱‘中，再细分为小任务用Timing完成。
笔记的主要内容结合自己看原书的顺序，以及伯禹上的目录，做了自己的调整，主要内容如下：
- Note01：线性回归；Softmax与分类模型；多层感知机
- Note02：模型选择、欠拟合和过拟合；权重衰减；丢弃法
- Note03：自动求梯度；正向传播、反向传播和计算图；数值稳定性和模型初始化；深度学习计算
- Note04：卷积神经网络及变种AlexNet、VGG、NiN、GoogleNet、ResNet、DenseNet
- Note05：循环神经网络及GRU、LSTM、双向循环
- Note06：优化算法SGD，AdaGrad，RMSProp，AdaDelta，Adam
- Note07：词嵌入
- Note08：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer；
- Note09：文本分类
- Note10：循环神经网络在构建语言模型中的演化历程
- Note11：推荐评论展示任务