# Deep-Learning

**Repository Path**: dxycc/deep-learning

## Basic Information

- **Project Name**: Deep-Learning
- **Description**: 深度学习入门与进阶实战合集，涵盖梯度下降、反向传播、人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）及Transformer模型。通过手写代码与示例，助力理解核心算法与前沿架构，适合学习与研究深度学习的理想资源库。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-12-09
- **Last Updated**: 2025-12-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 深度学习实践 Demo 集合 🚀

欢迎来到这个深度学习学习与实践仓库！这里汇集了从基础算法到前沿模型的多个示例，帮助你深入理解并动手实现深度学习中的关键技术。

---

## 目录介绍

- 🧮 **梯度下降 & 反向传播**  
  手写实现基本的梯度下降算法，深入理解参数更新与误差传播机制。

- 🧠 **人工神经网络 (ANN)**  
  实现经典全连接神经网络，带你理解神经元与层级结构。

- 🖼️ **卷积神经网络 (CNN)**  
  从卷积运算到经典架构示例，掌握图像处理的核心技术。

- 🔄 **循环神经网络 (RNN)**  
  理解序列数据的处理方式，含LSTM和GRU的代码示例。

- 🔥 **Transformer 模型**  
  最前沿的注意力机制示例，带你探索自然语言处理的革命性技术。

---

## 为什么选择这个仓库？

- **零基础入门**：所有代码均配有详尽注释，适合初学者逐步理解。
- **手写核心算法**：拒绝黑盒，助你从原理层面掌握模型构建。
- **覆盖主流模型**：从经典到前沿，全面学习深度学习的基础与应用。
- **实用演示**：配套小数据集和可视化，提升理解效果。

---

## 快速开始

1. 克隆仓库
   ```bash
   git clone https://gitee.com/dxycc/deep-learning.git
   cd deep-learning


2. 安装依赖（以 Python 为例）

   ```bash
   pip install -r requirements.txt
   ```

3. 运行示例

   ```bash
   python ann_demo.py         # 运行人工神经网络示例
   python cnn_demo.py         # 运行卷积神经网络示例
   python rnn_demo.py         # 运行循环神经网络示例
   python transformer_demo.py # 运行 Transformer 示例
   ```

---

## 推荐学习资源

* [深度学习入门教程](https://www.deeplearningbook.org/)
* [Andrew Ng 深度学习课程](https://www.coursera.org/specializations/deep-learning)
* [CS231n: Convolutional Neural Networks](http://cs231n.stanford.edu/)
* [The Illustrated Transformer](http://jalammar.github.io/illustrated-transformer/)

---

## 欢迎参与贡献！

如果你有更好的实现、优化建议或新模型示例，欢迎提交PR，一起进步！

---

## 联系方式

* 维护者: dxy
* 交流QQ群：733798895
* 电子邮件: [49590871@qq.com](mailto:49590871@qq.com)
* Gitee: [https://gitee.com/dxycc/deep-learning](https://gitee.com/dxycc/deep-learning)

---

感谢你的关注，祝你学习愉快！🌟