两门经典深度学习课程 · 统一结构化 Skill · 从新手入门到进阶体系
深度学习·Deep Learning·PyTorch
蒸馏李宏毅 + 李沐两门经典深度学习课程，构建从入门到进阶的完整知识体系
LeeDL_Tutorial 新手入门 · d2l-zh-pytorch 动手实践
本仓库将两门中文深度学习经典课程（李宏毅《深度学习教程》v1.2.4 + 李沐《动手学深度学习》PyTorch 2.0.0）蒸馏为统一的、结构化的 Claude Code Skill 知识库，覆盖从零基础数学预备到 ChatGPT、扩散模型、强化学习、视觉 RL 的完整知识体系。两书内容重叠部分融合为统一章节，各自独有的进阶主题作为独立章节保留 — 共 24 章。
| 教材 | 角色 | 框架 | 原书页数 | 特色 |
|---|---|---|---|---|
| 李宏毅《深度学习教程》v1.2.4 | 新手入门，概念讲解/框架/直觉优先 | PyTorch | ~400+ | 框架化思维、3-step ML 范式、对抗攻击/RL/元学习/ChatGPT |
| 李沐《动手学深度学习》PyTorch 2.0.0 | 动手实践，代码驱动/从零实现 | PyTorch + d2l | ~600+ | 逐层手写实现、CNN/RNN/Transformer/目标检测/分割/NLP |
┌──────────────────────────────────────────────────────────────────┐
│ DeepLearning-Beginner-Skill │
│ 24 章 · 统一知识库 │
├─────────────────┬──────────────────────┬─────────────────────────┤
│ 基础层 (5 章) │ 核心层 (9 章) │ 进阶层 (10 章) │
├─────────────────┼──────────────────────┼─────────────────────────┤
│ Ch 1 机器学习基础 │ Ch 6 实践方法论 │ Ch 15 生成模型 (GAN) │
│ Ch 2 数学预备 │ Ch 7 优化算法 │ Ch 16 扩散模型 │
│ Ch 3 线性模型 │ Ch 8 正则化与泛化 │ Ch 17 自监督与表示学习 │
│ Ch 4 多层感知机 │ Ch 9 CNN 基础 │ Ch 18 对抗攻击与鲁棒性 │
│ Ch 5 深度学习计算 │ Ch 10 现代 CNN 架构 │ Ch 19 迁移学习 │
│ │ Ch 11 循环神经网络 │ Ch 20 强化学习 │
│ │ Ch 12 注意力/Transformer│ Ch 21 元学习与终身学习 │
│ │ Ch 13 计算机视觉 │ Ch 22 网络压缩与可解释性 AI │
│ │ Ch 14 自然语言处理 │ Ch 23 ChatGPT 与大语言模型 │
│ │ │ Ch 24 MineCraft 视觉 RL │
└─────────────────┴──────────────────────┴─────────────────────────┘
| 主题 | LeeDL (李宏毅) | d2l (李沐) | 对应章 |
|---|---|---|---|
| ML 三步骤 / 训练范式 | 第 1 讲 | Ch 1-4 | Ch 1 |
| 数学预备 (线代/概率/微积分) | 第 2 讲 | Ch 2-4 | Ch 2 |
| 线性回归 / Softmax 分类 | 第 3 讲 | Ch 3-4 | Ch 3 |
| MLP / 激活函数 / GPU | 第 4 讲 | Ch 5-12 | Ch 4 |
| autograd / nn.Module / DataLoader | 第 5-7 讲 | Ch 5-8 | Ch 5 |
| 训练方法论 / 超参调优 | 第 8 讲 | Ch 13 | Ch 6 |
| SGD / Adam / 学习率调度 | 第 5 讲 | Ch 12 | Ch 7 |
| BN / Dropout / Weight Decay | 第 6 讲 | Ch 5,7,13 | Ch 8 |
| CNN / 池化 / 多通道 | 第 10 讲 | Ch 7-8 | Ch 9 |
| AlexNet / VGG / ResNet / DenseNet | 第 10 讲 | Ch 8-9 | Ch 10 |
| RNN / LSTM / GRU | 第 9 讲 | Ch 10 | Ch 11 |
| Transformer / 自注意力 | 第 11 讲 | Ch 11 | Ch 12 |
| 数据增强 / 目标检测 / 语义分割 | — | Ch 14-15 | Ch 13 |
| word2vec / BERT / 微调 | 第 13 讲 | Ch 15-16 | Ch 14 |
| GAN / WGAN / Cycle GAN | 第 14 讲 | Ch 17 | Ch 15 |
| DDPM / Stable Diffusion / CFG | 第 16 讲 | — | Ch 16 |
| BERT MLM / GPT / 自编码器 | 第 12 讲 | Ch 15-16 | Ch 17 |
| FGSM / 白盒黑盒攻击 / 对抗训练 | 第 12 章 | — | Ch 18 |
| 领域自适应 / 领域泛化 | 第 13 章 | — | Ch 19 |
| 策略梯度 / Actor-Critic / RL | 第 14 章 | — | Ch 20 |
| MAML / 小样本学习 / 终身学习 | 第 15-16 章 | — | Ch 21 |
| 剪枝 / 蒸馏 / 量化 / XAI | 第 17-18 章 | — | Ch 22 |
| ChatGPT / GPT 演进 / RLHF | 第 19 章 | — | Ch 23 |
| LS-Imagine 视觉 RL | 第 20 章 | — | Ch 24 |
.
├── CLAUDE.md # 仓库说明与操作指引
├── README.md # 本文件
├── SKILL.md # 主索引（核心框架 · 24 章索引 · 主题索引）
│
├── chapters/ # 核心产出 —— 24 章独立知识单元
│ ├── ch01-机器学习基础.md
│ ├── ch02-数学预备.md
│ ├── ch03-线性模型与从零实现.md
│ ├── ch04-多层感知机.md
│ ├── ch05-深度学习计算.md
│ ├── ch06-实践方法论.md
│ ├── ch07-优化算法.md
│ ├── ch08-正则化与泛化.md
│ ├── ch09-卷积神经网络基础.md
│ ├── ch10-现代CNN架构.md
│ ├── ch11-循环神经网络.md
│ ├── ch12-注意力机制与Transformer.md
│ ├── ch13-计算机视觉.md
│ ├── ch14-自然语言处理.md
│ ├── ch15-生成模型.md
│ ├── ch16-扩散模型.md
│ ├── ch17-自监督学习与表示学习.md
│ ├── ch18-对抗攻击与模型鲁棒性.md
│ ├── ch19-迁移学习.md
│ ├── ch20-强化学习.md
│ ├── ch21-元学习与终身学习.md
│ ├── ch22-网络压缩与可解释性AI.md
│ ├── ch23-ChatGPT与大语言模型.md
│ └── ch24-MineCraft纯视觉强化学习案例.md
│
├── glossary.md # ~100 术语字母排序，每术语带归属章节
├── patterns.md # 25 个可复用的设计模式/技术方案
├── cheatsheet.md # 速查：决策树 · 模型选型 · 损失函数 · 优化器 · 超参默认
├── code/ # 李宏毅课程 15 次课后作业 + labml.ai 经典网络逐行注释实现
└── books/ # 原始教材 + MinerU 解析产物
├── d2l-zh-pytorch.pdf # 动手学深度学习 原版 PDF (~30MB)
├── LeeDL_Tutorial_v.1.2.4.pdf # 李宏毅深度学习教程 原版 PDF (~136MB)
├── d2l-zh-pytorch-md/ # MinerU 解析版（含 images/）
│ └── d2l-zh-pytorch.md # 单文件 ~25,700 行
└── LeeDL_Tutorial_v.1.2.4/ # MinerU 解析版（含 images/）
└── auto/
└── LeeDL_Tutorial_v.1.2.4.md # 单文件 ~5,300 行
# 方式 1: 手动克隆（推荐）
# dl-skill即skill名
git clone https://github.com/MaybeBio/DeepLearning-Beginner-Skill ~/.claude/skills/dl-skill
# 方式 2: 使用 npx
npx skills add MaybeBio/DeepLearning-Beginner-Skill -a claude-codeSkill 加载后，可直接在对话中查询或手动触发 /dl-skill：
▸ 什么是 Batch Normalization？它为什么有效？
▸ BERT 和 GPT 的核心区别是什么？
▸ 训练不收敛怎么排查？给出故障决策树
▸ Stable Diffusion 的 CFG 参数 w=7.5 是什么意思？
▸ 给我写一个 GAN 训练的 PyTorch 代码模板
▸ 知识蒸馏中的温度 T 怎么调？为什么需要 T>1？
▸ 强化学习的 on-policy 和 off-policy 有什么区别？
| 查询类型 | 目标文件 | 响应特征 |
|---|---|---|
| 概念快速理解 | glossary.md |
精确定义 + 归属章节 |
| 代码实现参考 | chapters/*.md |
完整 PyTorch 代码 + 说明 |
| 模型/方法选型决策 | cheatsheet.md |
决策树 / 对比矩阵 / 默认超参 |
| 解决具体技术问题 | patterns.md |
When / How / Trade-offs |
| 系统学习一个主题 | chapters/*.md + SKILL.md |
Core Idea → Framework → Code → 实例 |
每章按统一模板组织，支持快速定位：
| 区域 | 内容 |
|---|---|
| Core Idea | 1-2 句概括本章核心 |
| Frameworks Introduced | 命名框架 → 适用场景 → 操作步骤 → 关键点 |
| Key Concepts | 术语定义（5-10 个） |
| Mental Models | 直觉类比（"把 X 想象成 Y"） |
| Anti-patterns | 常见错误做法 + 为什么 + 正确做法 |
| Code Examples | 可运行的 PyTorch 代码模板 |
| Reference Tables | 对比矩阵 / 超参表 / 方法对照 |
| Worked Example | 一个完整的、走通全流程的案例 |
| Key Takeaways | 3-7 条必须记住的结论 |
| Connects To | 与其他章节/外部概念的关联 |
| 维度 | LeeDL (李宏毅) | d2l (李沐) |
|---|---|---|
| 定位 | 新手友好，直觉优先 | 动手实践，代码驱动 |
| 教学特色 | 框架化思维、3-step ML 范式、故障决策树 | 逐层手写实现、线性代数→CNN→Transformer 递进 |
| 代码风格 | 简化示例，突出原理 | 完整可运行，d2l 工具包 |
| 数学要求 | 低 | 中 |
| 独特内容 | 对抗攻击、元学习、终身学习、ChatGPT、视觉 RL | 目标检测(锚框/NMS/SSD/R-CNN)、语义分割(FCN/U-Net) |
| 最适合 | 建立 ML 直觉框架、理解"为什么" | 写出可运行代码、掌握工程实现 |
| 目录 | 说明 |
|---|---|
code/leedl-tutorial/Leedl_HW/ |
https://github.com/datawhalechina/leedl-tutorial/tree/master/Homework, 李宏毅深度学习课程 15 次课后作业，覆盖回归→CNN→Transformer→GAN→BERT→RL→元学习，含完整 ipynb 代码课件 |
annotated_deep_learning_paper_implementations |
labml.ai 经典网络架构逐行注释实现，涵盖 Transformer/GPT/ViT/DDPM/Stable Diffusion/ResNet/LSTM/RL 等 |
| 教材 | 作者 | 年份 | 参考网址 |
|---|---|---|---|
| 《深度学习教程》v1.2.4 | 李宏毅 | 2024 | https://github.com/datawhalechina/leedl-tutorial |
| 《动手学深度学习》第二版 PyTorch 2.0.0 | Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola | 2023 | https://zh.d2l.ai/ |
基于课程原文蒸馏，保留术语精确性与代码完整性。24 章统一模板，按需加载，渐进式深入。