这是一个基于 PyTorch 的深度学习学习项目，包含了从基础张量操作到高级模型应用的完整学习路径。项目旨在帮助初学者理解深度学习的核心概念和实践应用，所有教程和注释均为中文，适合中文用户学习。
deep_learning/
├── notebooks/ # Jupyter notebooks
│ ├── 基础知识/ # 基础概念教程
│ │ ├── 张量.ipynb # 张量操作基础
│ │ ├── 神经网络.ipynb # 神经网络基础
│ │ ├── 梯度下降优化.ipynb # 优化算法实现
│ │ ├── 正则化.ipynb # 正则化技术
│ │ └── 深度学习模型简介.md # 模型理论介绍
│ ├── cnn/ # 卷积神经网络
│ │ └── CNN卷积模型.ipynb # CNN实现与应用
│ ├── rnn/ # 循环神经网络
│ │ └── RNN卷积模型.ipynb # RNN实现与应用
│ └── 综合案例/ # 实战案例
│ ├── 图像识别案例.ipynb # MNIST手写数字识别
│ ├── 手机价格分类案例.ipynb # 手机价格预测
│ └── 歌词生成器案例.ipynb # 基于RNN的歌词生成
├── tests/ # 单元测试
│ ├── test_basic.py # 基础功能测试
│ ├── test_models.py # 模型测试
│ └── test_simple.py # 简单测试
├── .github/workflows/ # GitHub Actions工作流
│ └── python-ci.yml # CI/CD配置
├── pyproject.toml # 项目配置文件
├── requirements.txt # Python依赖包
├── .gitignore # Git忽略文件
├── LICENSE # MIT许可证
└── README.md # 项目说明文档
# 安装依赖包
pip install -r requirements.txt
# 或使用conda
conda create -n deep_learning python=3.8
conda activate deep_learning
pip install -r requirements.txt# 启动Jupyter Notebook
jupyter notebook
# 或使用Jupyter Lab
jupyter lab然后按照学习路径顺序打开notebooks学习。
# 使用black格式化代码
black .
# 使用isort整理导入语句
isort .
# 组合使用
isort . && black .
# 检查格式（不修改文件）
black --check .
isort --check .项目使用 pyproject.toml 进行统一配置：
- 项目信息：项目名称、版本、描述等
- 代码格式化：black和isort的配置
- 测试配置：pytest的配置
- 代码检查：flake8的配置
确保所有开发者使用相同的工具配置，保持代码风格一致。
- 张量.ipynb - 掌握PyTorch张量操作的基础
- 神经网络.ipynb - 理解神经网络的基本结构和原理
- 梯度下降优化.ipynb - 学习各种优化算法的实现
- 正则化.ipynb - 了解防止过拟合的技术
- 深度学习模型简介.md - 学习各种深度学习模型的理论
- CNN卷积模型.ipynb - 掌握卷积神经网络的实现
- RNN卷积模型.ipynb - 掌握循环神经网络的实现
- 图像识别案例.ipynb - MNIST手写数字识别实战
- 手机价格分类案例.ipynb - 机器学习分类任务实战
- 歌词生成器案例.ipynb - 基于RNN的文本生成实战
- ✅ 张量创建与操作
- ✅ 自动求导机制
- ✅ 神经网络构建
- ✅ 模型训练流程
- ✅ 全连接神经网络
- ✅ 卷积神经网络(CNN)
- ✅ 循环神经网络(RNN)
- ✅ MNIST图像分类
- ✅ 手机价格预测
- ✅ 中文歌词生成
| 技术/库 | 版本 | 用途 |
|---|---|---|
| Python | 3.7+ | 编程语言 |
| PyTorch | 1.8+ | 深度学习框架 |
| torchvision | - | 计算机视觉工具 |
| numpy | 1.19+ | 数值计算 |
| matplotlib | 3.3+ | 数据可视化 |
| seaborn | 0.10+ | 统计图表绘制 |
| jieba | 0.42+ | 中文分词 |
| torchsummary | 1.5+ | 模型结构可视化 |
| pytest | 6.0+ | 单元测试框架 |
| pytest-cov | 2.10+ | 测试覆盖率工具 |
| black | 22.0+ | 代码格式化工具 |
| isort | 5.0+ | 导入语句整理工具 |
| flake8 | 4.0+ | 代码质量检查工具 |
| GitHub Actions | - | CI/CD自动化 |
| pyproject.toml | - | 项目配置文件 |
本项目使用GitHub Actions进行持续集成和持续部署：
- 自动测试：每次push或pull request时自动运行单元测试
- 多版本测试：在Python 3.7、3.8、3.9环境下测试
- 代码质量检查：使用flake8、black、isort进行代码风格检查
- 测试覆盖率：使用pytest-cov生成测试覆盖率报告
- 自动构建：通过后自动构建Python包
✨ 循序渐进 - 从基础到高级，适合不同水平的学习者
📚 理论结合实践 - 既有详细的理论解释，又有完整的代码实现
🇨🇳 中文友好 - 所有注释和说明均为中文
💻 代码清晰 - 代码结构清晰，注释详细
🎯 实战导向 - 通过真实案例加深理解
欢迎提交Issue和Pull Request！如果你发现了bug或者有新的想法，请随时联系我们。
本项目采用 MIT 许可证 - 详见 LICENSE 文件
注意：本项目仅供学习和教学使用