• d2l_learning
• • 背景
  • • 1. 学习活动
    • 2. 活动目标
    • 3. 活动受众
  • 运行流程
  • 平台福利
  • • 任务描述
    • 积分用途
    • 打榜Tips
  • 课程安排
  • 引用

d2l_learning

文字使用教程 | 视频使用教程

《动手学深度学习》: 面向中文读者、能运行、可讨论, 系列教程被广大学习者认为是中文版深度学习教程学习最好的课程之一, 尤其适合入门深度学习.

本项目旨在使用OpenI的GCU平台运行d2l的pytorch代码。

背景

1. 学习活动

• 内容需求:《动手学深度学习(PyTorch版)》作为深度学习领域的经典教材收到学习者的广泛欢迎, 在Datawhale的学习者需求调研中被多次提及.
• 内容策划: Datawhale 3月份学习, 将以《动手学深度学习(PyTorch版)》内容和李沐老师的教学视频为基础, 设定学习计划和学习任务, 通过Datawhale团队的实践讲解、学习组织等, 帮助更多领域学习者开启深度学习的旅程.

2. 活动目标

• 学习规模: 汇聚超过7000人、覆盖400所高校的学习者参与学习活动.
• 学习反馈: 以《动手学深度学习(PyTorch版)》书籍为基础, 帮助学习者入门深度学习.
• 学习内容：本次活动的学习内容以前四章为主，包括introduction, preliminaries, linear-networks, multilayer-perceptrons.

3. 活动受众

• 有python和一些数学基础、对深度学习感兴趣的入门学习者

运行流程

本repo致力于为学习者提供一个在OpenI启智上可运行的《动手学深度学习(PyTorch)》的教程和环境. 推荐阅读详细教程

1. fork本repo至自己名下
2. 点击云脑，选择调试环境
3. 推荐镜像：dockerhub.pcl.ac.cn:5000/user-images/openi:d2l-learning
4. 进入调试环境，在线运行相关代码

平台福利

为了帮助开发者们更好的学习AI相关知识, OpenI启智社区联合Datawhale社区通过"我为开源打榜狂"举办一系列开发者组队学习活动, 为大家设定一系列加分任务, 鼓励大家通过本次组队学习积极为启智社区沉淀优质内容.

任务描述

任务1: 派生动手深度学习"d2l_learning"项目, 并在平台进行一系列开发行为, 将获得基础活跃榜的相应积分奖励, 每周进入前100名的用户可获得100-300元奖金;

任务2: 基于动手深度学习"d2l_learning"项目, 在启智平台输出学习笔记或心得, 并将链接评论在本项目的Issue区, 由助教进行审核通过后的优质内容可在挑战升级榜中加10积分/篇; 在外部平台(如知乎、csdn等)进行的分享, 将链接评论在本项目的Issue区, 由助教进行审核通过后的优质内容仅加5积分/篇. 加分无上限, 同一内容仅加分一次;

任务3: 在项目Issue区通过评论的方式反馈本次活动或教程的相关建议, 被采纳后可加2积分/条, 每周加分上限10积分.

积分用途

开源打榜活动将依据用户的积分数量进行排名, 根据排名情况进行阶梯性的现金奖励. 具体活动方案参见: 第七期开源打榜活动.

打榜Tips

1. 【代码打榜】启智社区拥有澎湃的免费算力和在线的实训平台，为学习者免去了安装环境的困扰。学习者可以充分利用平台资源进行自己的学习和开发。在启智社区的每一个开发痕迹都会被社区记录转化为打榜积分嗷！
2. 【内容打榜】学习是一个输入和输出结合的过程. 社区鼓励学习者将自己在学习过程中产生的一些心得、启发沉淀在启智社区; 而习惯在CSDN、知乎等外部平台发布的同学也可以在外部平台发布. 无论是在启智平台还是在外部平台, 学习者都可以将内容发布的链接粘贴在本项目的ISSUE区, 都是可以得到积分哒!
3. 【反馈打榜】活动一定不是一个处处完美的过程. 学习者对于本次组队学习或者下次的组队学习有一些好的建议和反馈, 都可以在ISSUE区反馈, 而对于平台使用的建议则可以在小白训练营的ISSUE区反馈. 这些反馈经过助教或运用人员的审核, 也会转化为相应的积分参加打榜!

课程安排

学习安排	预计开始时间	学习时长	分享嘉宾(待定)	简介
《动手学深度学习》开场分享	3月18日	10分钟	李沐	动手学深度学习作者
直播: 如何学深度学习	3月18日	30分钟	杨毅远	牛津大学博士
Task01: 初识深度学习	3月19日	1天	助教团队	Datawhale成员、优秀学习者
Task02: 预备知识	3月20日	2天	助教团队	Datawhale成员、优秀学习者
直播: 环境配置讲解	3月19日	1小时	丁一超、骆秀韬	上海交通大学、湖北第二师范学院
Task03: 线性神经网络	3月22日	2天	助教团队	Datawhale成员、优秀学习者
直播: 线性神经网络串讲、习题解析与答疑	3月23日	1小时	罗如意、陈可为	网易算法工程师、华中科技大学
Task04: 多层感知机	3月24日	5天	助教团队	Datawhale成员、优秀学习者
直播: 多层感知机串讲、习题解析与答疑	3月28日	1小时	刘洋、陈安东	中国科学院大学博士、哈工大博士
Task05: 竞赛实践	3月29日	2天	助教团队	Datawhale成员、优秀学习者
直播: 竞赛解读与方案分享	3月30日	1小时	王茂霖、王凯	华中科技大学博士、西安交通大学
结营: 优秀学习者分享	3月31日	1小时	马燕鹏	开源学习委员会负责人

引用

@article{zhang2021dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    journal={arXiv preprint arXiv:2106.11342},
    year={2021}
}