“这两天搜资料看到您的博客，看完了您的 PDF，思路清晰言语通俗详细真的十分震撼，感觉自己读关于 BERT 的论文的 PTSD 都被您治好了，而且一开始从博客进入您主页的时候简直不敢相信居然是如此清心静心的客栈，真的好喜欢您的博客！”
—— @麦田云山前面的读者，已经替你读过了
“毫不夸张，可以说是我 NLP 的引路人。来 MSRA 实习，做的工作和 bert/transformer 相关，找了很多资料，发现他的最好。不仅是入门，现在也是常读常新。它的文章内容详实，基本上完美解决我所有疑点，并且在 github 上开源了代码，细节一目了然。这么良心的博主我不允许他默默无闻，他真的是在认真做内容。”
—— @李可“描述得十分生动形象！！对我这种小白来说救了大命了！！博主真的太棒了，把生硬的知识变成通俗易懂的，真的超牛的好吧！！！”
—— @xylkgsa“好厉害！图很清楚！！！感谢大佬！！！真的看英语的纯代码和英语的注释人都要傻了。”
—— @十八“感谢，写得很好，看懂了！之前从来没深入考虑过这些具体实现是怎么做的、为什么。”
—— @Scorpio“您就是我求学生涯中的太阳。”
—— @新世纪炼丹道士“终于遇到会说人话的了，大佬请受我一拜。”
—— @凹总宅“哇塞，发现了一个宝藏级博主，现在研一，没有导师指导，只能盲人摸象。”
—— @Ethan“我为什么没早点看到你这篇文章！写的好详细！”
—— @111“写得非常棒，一直没搞清楚 InputChannel 是怎么被消除的，看了多通道单卷积核的例子，一下子明白了。”
—— @紫吟玉“搜 tensorboard 使用的时候看到这篇讲解得非常清晰的好文，于是翻上去看作者是谁，居然是你！你还有多少惊喜是我们这些粉丝不知道的。”
—— @我见青山多妩媚“写的真的太好了，通俗易懂，容易上手，保姆式教程，看过很多博客文章和视频，都不如这篇讲的细，已经把这个 PDF 刷了 N 遍了！”
—— @小黄人“写得特别好，特别适合小白来理解注意力机制，看了好多都似懂非懂，作者这篇解释得很好理解，感谢！”
—— @小哀2016“字少但句句精华啊，尤其是最后对比两者对新输入的处理那里，正中我疑惑的要害。对 LSTM 和 GRU 有了更深的理解，感谢！！”
—— @妙方便面阿“您真的太牛啦，我最近看您写得那些神经网络的文章，讲得特别清晰易懂，而且注释得超级详细呀，尤其是卷积那块，网上搜罗了一堆，原理都差不多，但就是有几个细节不是很清楚，看了你的文章茅塞顿开，真的是太详细啦。”
—— @深海青鱼“真牛逼啊，每一步都联系的那么巧妙，数学每一步都恰到好处地解决一个小点，这小点又跟实际应用联系起来，人们又用代码复刻设计成算法再去解决更具体的问题，能把它们组合在一起的就是天才吧，作者讲得环环相扣，也是天才了。”
—— @闲闲“写得太好了，深入浅出，大佬是真的搞懂了。”
—— @般若程序蝉“讲得非常好，非常到位！将概念和注意事项点拨得非常清楚。讲解逻辑次序上，由浅入深，剖析得非常全面。为作者点赞。”
—— @生命的幻想“写得真的很清楚，尤其是对空间共享权重。”
—— @绿橙coding“豁然开朗，作者太厉害，纠结了几天的问题终于解决。”
—— @知乎用户98385“谢谢作者，今天又看了两遍，终于彻底懂了所有的细节，写得很有逻辑性，娓娓道来。”
—— @云淡风轻“这两天搜资料看到您的博客，看完了您的 PDF，思路清晰言语通俗详细真的十分震撼，感觉自己读关于 BERT 的论文的 PTSD 都被您治好了，而且一开始从博客进入您主页的时候简直不敢相信居然是如此清心静心的客栈，真的好喜欢您的博客！”
—— @麦田云山“毫不夸张，可以说是我 NLP 的引路人。来 MSRA 实习，做的工作和 bert/transformer 相关，找了很多资料，发现他的最好。不仅是入门，现在也是常读常新。它的文章内容详实，基本上完美解决我所有疑点，并且在 github 上开源了代码，细节一目了然。这么良心的博主我不允许他默默无闻，他真的是在认真做内容。”
—— @李可“描述得十分生动形象！！对我这种小白来说救了大命了！！博主真的太棒了，把生硬的知识变成通俗易懂的，真的超牛的好吧！！！”
—— @xylkgsa“好厉害！图很清楚！！！感谢大佬！！！真的看英语的纯代码和英语的注释人都要傻了。”
—— @十八“感谢，写得很好，看懂了！之前从来没深入考虑过这些具体实现是怎么做的、为什么。”
—— @Scorpio“您就是我求学生涯中的太阳。”
—— @新世纪炼丹道士“终于遇到会说人话的了，大佬请受我一拜。”
—— @凹总宅“哇塞，发现了一个宝藏级博主，现在研一，没有导师指导，只能盲人摸象。”
—— @Ethan“我为什么没早点看到你这篇文章！写得好详细！”
—— @111“写得非常棒，一直没搞清楚 InputChannel 是怎么被消除的，看了多通道单卷积核的例子，一下子明白了。”
—— @紫吟玉“搜 tensorboard 使用的时候看到这篇讲解得非常清晰的好文，于是翻上去看作者是谁，居然是你！你还有多少惊喜是我们这些粉丝不知道的。”
—— @我见青山多妩媚“写的真的太好了，通俗易懂，容易上手，保姆式教程，看过很多博客文章和视频，都不如这篇讲得细，已经把这个 PDF 刷了 N 遍了！”
—— @小黄人“写得特别好，特别适合小白来理解注意力机制，看了好多都似懂非懂，作者这篇解释得很好理解，感谢！”
—— @小哀2016“字少但句句精华啊，尤其是最后对比两者对新输入的处理那里，正中我疑惑的要害。对 LSTM 和 GRU 有了更深的理解，感谢！！”
—— @妙方便面阿“您真的太牛啦，我最近看您写得那些神经网络的文章，讲得特别清晰易懂，而且注释得超级详细呀，尤其是卷积那块，网上搜罗了一堆，原理都差不多，但就是有几个细节不是很清楚，看了你的文章茅塞顿开，真的是太详细啦。”
—— @深海青鱼“真牛逼啊，每一步都联系的那么巧妙，数学每一步都恰到好处地解决一个小点，这小点又跟实际应用联系起来，人们又用代码复刻设计成算法再去解决更具体的问题，能把它们组合在一起的就是天才吧，作者讲得环环相扣，也是天才了。”
—— @闲闲“写得太好了，深入浅出，大佬是真的搞懂了。”
—— @般若程序蝉“讲得非常好，非常到位！将概念和注意事项点拨得非常清楚。讲解逻辑次序上，由浅入深，剖析得非常全面。为作者点赞。”
—— @生命的幻想“写得真的很清楚，尤其是对空间共享权重。”
—— @绿橙coding“豁然开朗，作者太厉害，纠结了几天的问题终于解决。”
—— @知乎用户98385“谢谢作者，今天又看了两遍，终于彻底懂了所有的细节，写得很有逻辑性，娓娓道来。”
—— @云淡风轻
作者出版书籍点击封面了解 | @跟我学机器学习 | 本站由Hugo驱动
店铺商品
如果您认可作者的内容，也可根据需要购买一些商品及服务。
《跟我一起学机器学习》第二版
学习一个算法就好比遍历一棵大树上的所有枝节，算法越复杂对应的枝叶也就越繁茂。一般来讲通常有两种方式遍历这棵大树：深度优先遍历和广度优先遍历。对于有的人来讲可能适合第一种，即从底部的根开 …
《跟我一起学深度学习》第一版
作为《跟我一起学机器学习》的姊妹篇，两年之后《跟我一起学深度学习》一书也终于出版了。北宋大家张载有言：“为天地立心，为生民立命，为往圣继绝学，为万世开太平”，这两部编著虽然没有这样的宏 …
《一本書晉升深度學習世界級大師》
这是《跟我一起学深度学习》一书面向繁体中文读者，在台湾地区出版的深度学习图书版本，延续原有内容脉络与循序渐进的讲解方式。大陆用户不建议购买。