DeepLearning
Source: https://github.com/PaddlePaddle/awesome-DeepLearning at
772e97d3103f
License: Apache-2.0
Read the English original
This edition is an AI-assisted translation.
一、項目簡介
Section titled “一、項目簡介”本項目是由飛槳官方打造的一站式深度學習在線百科。飛槳致力於讓深度學習技術創新與應用更加簡單。瞭解更多飛槳內容,請訪問飛槳官網。本項目涵蓋:
📒課程類:零基礎實踐深度學習、產業實踐深度學習、特色課程、飛槳套件課程彙總資料
📒書籍類:《動手學深度學習》飛槳版
📒寶典類:深度學習百問、面試寶典
📒案例類:飛槳產業實踐範例庫(包含智慧城市:火災煙霧檢測、 安全帽檢測 ;智能製造:鋼材缺陷檢測 、 機械手抓取;互聯網:財報識別與關鍵字段抽取 等。
從理論到實踐,從科研到產業應用,各類學習材料一應俱全,旨在幫助開發者高效地學習和掌握深度學習知識,快速成爲AI跨界人才。

- 內容全面:無論您是深度學習初學者,還是資深用戶,都可以在本項目中快速獲取到需要的學習材料。
- 形式豐富:材料形式多樣,包括可在線運行的notebook、視頻、書籍、B站直播等,滿足您隨時隨地學習的需求。
- 實時更新:本項目中涉及到的代碼均匹配Paddle最新發布版本,開發者可以實時學習最新的深度學習任務實現方案。
- 前沿分享:定期分享頂會最新論文解讀和代碼復現,開發者可以實時掌握最新的深度學習算法。
如果本項目對您有幫助,歡迎點擊網頁右上方進行star❤️
Section titled “如果本項目對您有幫助,歡迎點擊網頁右上方進行star❤️”👨🏫我是高校用戶
Section titled “👨🏫我是高校用戶”| 我希望: | 我可以學習: |
|---|---|
| 入門深度學習 | 零基礎實踐深度學習:arrow_heading_down:、深度學習百問:arrow_heading_down:、動手學深度學習paddle版:arrow_heading_down: |
| 進階深度學習 | 產業實踐深度學習、深度學習百問:arrow_heading_down:、面試寶典:arrow_heading_down: |
| 趣味深度學習 | 特色課程:arrow_heading_down:、飛槳產業實踐範例庫 |
👨💻我是企業用戶
Section titled “👨💻我是企業用戶”| 我希望: | 我可以學習: |
|---|---|
| 入門深度學習 | 零基礎實踐深度學習:arrow_heading_down:、深度學習百問:arrow_heading_down:、動手學深度學習paddle版:arrow_heading_down: |
| 進階深度學習 | 產業實踐深度學習、特色課程:arrow_heading_down:、面試寶典:arrow_heading_down: |
| 實踐深度學習 | 飛槳產業實踐範例庫、飛槳各產品課程:arrow_heading_down: |
二、項目內容
Section titled “二、項目內容”零基礎實踐深度學習
Section titled “ 零基礎實踐深度學習”-
AI Studio在線課程:《零基礎實踐深度學習》:理論和代碼結合、實踐與平臺結合,包含20小時視頻課程,由百度傑出架構師、飛槳產品負責人和資深研發人員共同打造。

-
《零基礎實踐深度學習》書籍:本課程配套書籍,由清華出版社2020年底發行,京東/噹噹等電商均有銷售。

特色課 - Transformer系列
Section titled “特色課 - Transformer系列”飛槳教育官方出品的Transformer系列內容解讀可以參考以下兩個平臺。
-
Transformer原理和實踐系列課:https://aistudio.baidu.com/aistudio/education/group/info/24683
-
飛槳教育官方賬號:https://aistudio.baidu.com/aistudio/personalcenter/thirdview/908086
| 領域 | 章節名稱 | 課程簡介 | notebook鏈接 |
|---|---|---|---|
| NLP | 經典的預訓練語言模型(上)-預訓練模型發展歷史 | 介紹預訓練語言模型的發展歷史,word2vec,elmo,bert,gpt,bert一些拓展。 | notebook鏈接 |
| NLP | 經典的預訓練模型(上)-ELMo | 全面詳細的介紹ELMo模型結構,優缺點等。 | notebook鏈接 |
| NLP | 經典的預訓練模型(上)-Transformer | 講解Transformer的基本原理,包括Embedding,self-attention,encoder,decoder,複雜度計算,共享機制等內容。 | notebook鏈接 |
| NLP | 經典的預訓練模型(下)-GPT | 全面詳細的介紹GPT的原理,預訓練和finetune模式,GPT模型結構,優缺點等。 | notebook鏈接 |
| NLP | 經典的預訓練模型(下)-BERT | 全面詳細的介紹BERT的基本原理,預訓練任務和fine tune的方式,BERT本身的模型結構,優缺點等。 | notebook鏈接 |
| NLP | 預訓練模型之自然語言理解-RoBERTa | 講解預訓練模型在自然語言理解方面的改進—RoBERTa | notebook鏈接 |
| NLP | 預訓練模型之自然語言理解-ERNIE | 講解預訓練模型之自然語言理解的改進:ERNIE | notebook鏈接 |
| NLP | 預訓練模型之自然語言理解-KBERT | 講解預訓練模型之自然語言理解的改進:KBERT | notebook鏈接 |
| NLP | 預訓練模型之自然語言理解-THU-ERNIE | 講解預訓練模型之自然語言理解的改進:THU-ERNIE | notebook鏈接 |
| NLP | 預訓練模型之長序列建模-Transformer-XL | 講解預訓練模型之長序列建模的改進:Transformer-XL | notebook鏈接 |
| NLP | 預訓練模型之長序列建模-XLNet | 講解自然語言理解之長序列建模的改進:XLNet | notebook鏈接 |
| NLP | 預訓練模型之長序列建模-Longformer | 講解預訓練模型之長序列建模的改進:Longformer | notebook鏈接 |
| 模型優化 | 預訓練模型-高效結構 | 基於ELECTRA的標點符號預測 | notebook鏈接 |
| 模型優化 | 預訓練模型-蒸餾 | 預訓練模型蒸餾算法:Patient-KD、DistilBERT、TinyBERT、DynaBERT模型詳解,以及使用DynaBERT策略對TinyBERT進行模型蒸餾 | notebook鏈接 |
| CV | 圖像領域的Transformer-Vit,DeiT | 詳細講解ViT 以及 DeiT原理 | notebook鏈接 |
| CV | 圖像領域的Transformer-Swin Transformer | 詳細講解Swin Transformer原理 | notebook鏈接 |
| CV | CV領域的Transformer模型DETR在目標檢測任務中的應用 | 詳細講解DETR原理及代碼解析 | notebook鏈接 |
《動手學深度學習》paddle版
Section titled “《動手學深度學習》paddle版”本項目將《動手學深度學習》原書中MXNet代碼實現改爲PaddlePaddle實現。原書作者:阿斯頓·張、李沐、扎卡里 C. 立頓、亞歷山大 J. 斯莫拉以及其他社區貢獻者,GitHub地址:https://github.com/d2l-ai/d2l-zh。
本項目面向對深度學習感興趣,尤其是想使用PaddlePaddle進行深度學習的童鞋。本項目並不要求你有任何深度學習或者機器學習的背景知識,你只需瞭解基礎的數學和編程,如基礎的線性代數、微分和概率,以及基礎的Python編程。
深度學習百問
Section titled “深度學習百問”深度學習百問內容包含深度學習基礎篇、深度學習進階篇、深度學習應用篇、強化學習篇以及面試寶典,詳細信息請參閱Paddle知識點文檔平臺。
-
深度學習基礎篇
-
深度學習進階篇
-
深度學習應用篇
-
產業實踐篇
-
強化學習篇
-
面試寶典
飛槳應用案例集
Section titled “飛槳應用案例集”飛槳學術案例集
Section titled “飛槳學術案例集”| 領域 | 競賽案例 | 來源 | 介紹 |
|---|---|---|---|
| 機器學習 | 【Paddle打比賽】個貸違約預測Baseline+ 0.607 | 開發者w5688414 | DataFountain個貸違約預測,參考官方的baseline並用paddle進行改進 |
| NLP | 【Paddle打比賽】訊飛賽題—中文問題相似度挑戰賽0.9+Baseline | PaddleEdu | 中文問題相似度挑戰賽paddle版本Baseline,基於paddlenlp通過預訓練模型的微調完成問題相似度評定任務 |
| NLP | 基於PaddleHub的疫情期間網民情緒識別 | 開發者CChan | 本項目爲疫情期間網民情緒識別比賽的解決方案。使用了PaddleHub和ERNIE實現對疫情期間微博文本的情緒識別。 |
| NLP | 【Paddle打比賽】產品評論觀點提取競賽baseline | 開發者w5688414 | DataFountain基於BERT的產品評論觀點提取競賽baseline,增加了優化方法 |
| NLP | 【Paddle打比賽】劇本角色情感識別baseline-精度0.676 | 開發者w5688414 | 劇本角色情感識別baseline,使用bert模型 |
| 語音 | 【Paddle打比賽】語音合成 | 開發者XYZ_916 | 2021 新網銀行智能語音大賽baseline。截止2021.11.17,該方案在總分榜第一,作品榜第二 |
| CV | 中文場景文字識別挑戰賽baseline | 小度AIStudio | 中文場景文字識別挑戰賽的baseline項目, 用於參賽選手借鑑參考 |
| CV | 【Paddle打比賽】手寫字體OCR識別競賽baseline | 開發者Pink peach | 2021世界人工智能創新大賽,手寫字體OCR識別競賽baseline |
| CV | 2020 CCF BDCI: 遙感影像地塊分割baseline | 開發者lxastro | 2020 CCF BDCI: 遙感影像地塊分割的baseline模型庫,包括baseline模型的訓練方法和比賽的評測腳本。 |
| CV | 第三屆中國AI+創新創業大賽:半監督學習目標定位競賽第1名方案 | 開發者張牙舞爪 | 半監督學習目標定位競賽第一名方案分享 A榜得分0.81425 B榜得分0.80428 |
| 數據挖掘 | 【Padddle打比賽】心電圖智能診斷競賽Baseline-0.6765 | 開發者w5688414 | AIWIN 心電圖智能診斷競賽 |
飛槳各產品學習資料彙總
Section titled “飛槳各產品學習資料彙總”| 產品 | 視頻課程 | 學習文檔 |
|---|---|---|
| PaddleGAN | 生成對抗網絡七日打卡營 | |
| PaddleOCR | OCR自動標註小工具講解、3.5M超輕量實用OCR模型解讀、OCR應用與部署實戰 | |
| PaddleClas | PaddleClas系列直播課 | |
| PaddleDetection | 目標檢測7日打卡營 | |
| PaddleX | PaddleX實例分割任務詳解、PaddleX目標檢測任務詳解、PaddleX語義分割任務詳解、PaddleX圖像分類任務詳解、PaddleX客戶端操作指南、飛槳全流程開發工具PaddleX | |
| PaddleHub | 手把手教你轉換PaddleHub模型教程 | |
| VDL | 可視化分析工具助力AI算法快速開發、深度學習算法可視化調優實戰演示 | |
| 高層API | 高層API助你快速上手深度學習 | |
| PaddleNLP | 基於深度學習的自然語言處理 |
三、技術交流
Section titled “三、技術交流”非常感謝您使用本項目。您在使用過程中有任何建議或意見,可以在 Issue 上反饋給我們,也可以通過掃描下方的二維碼聯繫我們,飛槳的開發人員非常高興能夠幫助到您,並與您進行更深入的交流和技術探討。

四、許可證書
Section titled “四、許可證書”本項目的發佈受Apache 2.0 license許可認證。
五、貢獻內容
Section titled “五、貢獻內容”本項目的不斷成熟離不開各位開發者的貢獻,如果您對深度學習知識分享感興趣,非常歡迎您能貢獻給我們,讓更多的開發者受益。
本項目歡迎任何貢獻和建議,大多數貢獻都需要你同意參與者許可協議(CLA)來聲明你有權並實際上授權我們可以使用你的貢獻。
代碼貢獻規範
Section titled “代碼貢獻規範”pip install pre-commit
pre-commit install
添加修改的代碼後,對修改的文件進行代碼規範,pre-commit 會自動調整代碼格式,執行一次即可,後續commit不需要再執行。提交pr流程,詳見:awesome-DeepLearning 提交 pull request 流程。
以下是awesome-DeepLearning貢獻者列表: yang zhou,Niki_173,Twelveeee,buriedms,AqourAreA,zhangjin12138,rerny,LiuCongNLP,LemonCherryFu, lutianhao
HagiCode
HagiCode 是面向專案開發的 AI 編碼工作台:豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進,帶來更投入的開發體驗。
透過豐富、便利的介面互動,讓規劃、Agent 執行與專案工作更容易上手和跟進。
- 智慧OpenSpec 工作流程將意圖轉化為從提案、設計、任務到交付的可執行路徑。
- 高效多 Agent 並行推進研究、實作與審查,並支援多儲存庫變更與你熟悉的 Agent CLI。
- 有趣豐富、便利的介面互動讓規劃、Agent 執行與專案工作更容易上手和跟進,帶來更投入的開發體驗。
下載 Windows 版
分享 HagiCode
讓想法化為交付成果。
HagiCode 是面向專案開發的 AI 編碼工作台:以 OpenSpec 工作流程規劃變更,多 Agent 並行執行,再由 Hero Scenario 讓進度一目了然,將想法化為交付成果。
- 智慧
- OpenSpec 工作流程將意圖轉化為從提案到交付的可執行路徑。
- 高效
- 多 Agent 並行推進研究、實作與審查。
- 有趣
- 豐富、便利的介面互動,讓規劃、Agent 執行與專案工作更容易跟進。
© 2026 HagiCode | Powered By hagilight-starlight@0.21.0 | Branch: main | Commit: 745b50b | Built:

