動手學深度學習 tutorial中README保存

通過MXNet/Gluon來動手學習深度學習

主頁在 https://zh.gluon.ai/。

請使用 https://discuss.gluon.ai 討論或報告問題。

如何貢獻

所有notebook是用markdown格式存儲，這樣方便merge改動。jupyter可以通過notedown來直接使用markdown，參考這裏安裝

build服務器在 http://ci.mxnet.io 。這臺服務器有兩塊Nvidia M60。

可以使用 http://zh.gluon.ai.s3-website-us-west-2.amazonaws.com/ 來訪問沒有加載過 CDN 的版本，對代碼的改動刷新更快。

編譯HTML版本

所有markdown文件需要在提交前清除output，它們會在服務器上重新執行生成結果。所以需要保證每個notebook執行不要太久，目前限制是20min。

在本地可以如下build html（需要GPU支持）

conda env update -f build/build.yml
source activate gluon_zh_docs
make html

生成的html會在_build/html。

如果沒有改動notebook裏面源代碼，所以不想執行notebook，可以使用

make html EVAL=0

但這樣生成的html將不含有輸出結果。

編譯PDF版本

編譯pdf版本需要xelatex、librsvg2-bin（svg圖片轉pdf）和思源字體。在Ubuntu可以這樣安裝。

sudo apt-get install texlive-full
sudo apt-get install librsvg2-bin

wget https://github.com/adobe-fonts/source-han-sans/raw/release/OTF/SourceHanSansSC.zip
wget https://github.com/adobe-fonts/source-han-serif/raw/release/OTF/SourceHanSerifSC_SB-H.zip
wget https://github.com/adobe-fonts/source-han-serif/raw/release/OTF/SourceHanSerifSC_EL-M.zip

unzip SourceHanSansSC.zip
unzip SourceHanSerifSC_EL-M.zip
unzip SourceHanSerifSC_SB-H.zip

sudo mv SourceHanSansSC SourceHanSerifSC_EL-M SourceHanSerifSC_SB-H /usr/share/fonts/opentype/
sudo fc-cache -f -v

這時候可以通過 fc-list :lang=zh 來查看安裝的中文字體。

同樣的去下載和安裝英文字體

wget -O source-serif-pro.zip https://www.fontsquirrel.com/fonts/download/source-serif-pro
unzip source-serif-pro -d source-serif-pro
sudo mv source-serif-pro /usr/share/fonts/opentype/

wget -O source-sans-pro.zip https://www.fontsquirrel.com/fonts/download/source-sans-pro
unzip source-sans-pro -d source-sans-pro
sudo mv source-sans-pro /usr/share/fonts/opentype/

wget -O source-code-pro.zip https://www.fontsquirrel.com/fonts/download/source-code-pro
unzip source-code-pro -d source-code-pro
sudo mv source-code-pro /usr/share/fonts/opentype/

sudo fc-cache -f -v

然後可以編譯了。

make pdf

其他安裝

python -m spacy download en # 需已 pip install spacy

英漢術語對照

accuracy，準確率

baseline，基準

batch，批量

bias，偏差

binary classification，二元分類

bucketing，分桶

class，類

classification，分類

collaborative filtering，協同過濾

cost，成本

cross-entropy，交叉熵

data set，數據集

decision boundary，決策邊界

dense，稠密

dense layer，全連接層

dropout，丟棄法

empirical risk minimization，經驗風險最小化

epoch，迭代週期（週期）

example，樣本

feature, 特徵

fully connected layer，全連接層

hidden layer，隱藏層

hidden variable，隱藏變量

generalization，泛化

hyperparameter，超參數

hypothesis，假設

import，導入

independent and identically distributed(i.i.d)，獨立同分布

instance，實例

label，標籤

logistic regression，邏輯迴歸

mean squared error，均方誤差

metric，指標

mini-batch，小批量

normalization，歸一化

operator，運算符

optimizer，優化器

parameter，參數

perplexity，困惑度

pipeline，流水線

size，大小

transformation，變換

樣式規範

貢獻請遵照本教程的樣式規範。