The Little Book of Deep Learning — 书籍拆解

读到哪:未读。 readState 不是 read/partial 的书不能当锚。

项
作者	François Fleuret
版次	2023 版(v1.2 起持续小修)
格式	pdf ｜ 文本源 pdftotext -layout
许可	作者官网免费发布(个人非商业阅读)
来源	作者官网 fleuret.org/public/lbdl.pdf,2026-08-23 取
清洗	删页眉页脚 8 行、页码 241 行、断词接回 517 处

我们重写的拆解(0 章)

（还没写。拆解是这本书对我们的真正产出——底下的元数据只是索引。）

为什么收它

讲义面向零基础,必然要回答「模型到底在干什么」「为什么是这个损失、这个结构」。 这些解释不该由 agent 现编,要有出处。这本书篇幅小、覆盖面全、单栏排版转码干净,合适。

合法性

作者在个人网站免费发布 PDF(个人非商业阅读)。原始文件不入库,转码文本入库(私有库)。

它大概覆盖什么、不覆盖什么

覆盖:机器学习基本概念、训练与反向传播、常见层与架构、几类应用。 不覆盖:工程落地(部署、成本、评测流水线)、agent 相关的一切——那些要另找出处。

它覆盖什么、不覆盖什么

（还没读到能下判断的程度。claims / notCovered 空着就是空着,不猜。)

怎么引用它

(依据: book=little-book-of-deep-learning §Machine Learning)

章节名对不上会被 lab:validate 拦下;页码锚(§p.123)同样可用。

结构(30 段,共 166k 字符)

段	章节	页	规模
01	Contents	p.3–5	2.8k
02	List of figures	p.6–7	2.0k
03	Foreword	p.8–10	2.1k
04	Machine Learning	p.11–19	7.3k
05	Efficient Computation	p.20–25	5.6k
06	Losses	p.26–29	3.5k
07	Autoregressive models	p.30–34	4.6k
08	Gradient descent	p.35–39	4.2k
09	Backpropagation	p.40–44	5.7k
10	The value of depth	p.45–47	2.2k
11	Training protocols	p.48–51	4.4k
12	The benefits of scale	p.52–56	4.5k
13	Large-Scale Parallel Training	p.57–60	3.0k
14	The notion of layer	p.61–62	1.4k
15	Linear layers	p.63–72	10.8k
16	Activation functions	p.73–75	2.7k
17	Pooling	p.76–78	2.0k
18	Dropout	p.79–81	2.7k
19	Normalizing layers	p.82–86	4.2k
20	Skip connections	p.87–89	2.9k
21	Attention layers	p.90–97	8.1k
22	Token embedding	p.98–98	0.7k
23	Positional encoding	p.99–100	1.8k
24	Architectures	p.101–119	17.7k
25	Prediction	p.120–140	16.8k
26	Synthesis	p.141–148	7.0k
27	The Compute Schism	p.149–160	11.4k
28	The missing bits	p.161–166	5.6k
29	Bibliography	p.167–178	11.7k
30	Index	p.179–190	6.1k

我们自己的读书笔记(0 篇)

（还没有。读完某章后写进 docs/little-book-of-deep-learning/notes/,那才是这本书对我们的产出。）

---

本页由 node scripts/book-build.mjs 生成:表格来自转码结果,散文来自书卡正文。不要手改本页。