# nndl-20秋

**Repository Path**: fnlp/nndl-20-autumn

## Basic Information

- **Project Name**: nndl-20秋
- **Description**: 复旦大学 - 计算机科学技术学院 - 研究生通用课程 -深度学习与神经网络
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 10
- **Forks**: 67
- **Created**: 2020-11-23
- **Last Updated**: 2023-04-03

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# nndl-20秋

## 课程建设要求

1. 为蒲公英书提供每章的针对性编程练习（编程练习不建议太长，注意兼顾理论和实践）
2. 以ipynb的形式为每个知识点提供一个针对性的练习（较大规模的代码可以用 python 文件的形式，但不推荐）
3. 提供 Numpy、Pytorch、TensorFlow、Paddle、Mindspore等至少2个版本（不能提供两个版本的情况需与助教沟通）
4. 在 README 中提供该知识点的说明

## 实现规范

1. 每个小组通过 Gitee 提交 Pull Request，在自己小组编号(两位数)对应的文件夹中提交材料
2. 每个文件夹下需包含 **待完成练习** 和 **练习题答案** 两个版本的代码，分别放在 `exercise` 和 `ans` 两个文件夹内
3. 不同版本的代码用以 `-` 连接的后缀区分，例如: `example-pytorch.ipynb` 和  `example-keras.ipynb`  
4. 每个小组的文件夹大小不应超过 **10MB** ，注意 `.ipynb_checkpoints` 等隐藏文件可能很大，请勿上传
5. 请勿上传超过 **1MB** 的数据集，请提供 **下载并处理数据集的代码**，可在此基础上提供帮助调试的样本数据
6. 每个文件夹下需包含 README.md
   1. 标题：编程练习的名字
   2. 每个作者的邮箱
      1. 推荐使用和 Github 账号对应的邮箱，我们后期会整理部分优秀的作业到 Github 的另一个仓库
      2. 因为作业是开源的，我们不强制同学写上姓名和学号，但愿意写的可以写上
   3. 知识点介绍：简单介绍编程练习对应的书上知识点
   4. 任务描述：描述这个编程练习的任务
   5. 数据集：详细地介绍数据集并提供下载数据集的代码，部分练习可以通过代码生成数据
   6. 题目要求：介绍要最终要求完成的目标
   7. 参考文献：如果有参考文献，请写上

## 结构示例

- 00 (队伍 0 的文件夹)
  - README.md
  - download_data.py (下载数据的代码)
  - data (数据文件夹)
    - example_data (帮助调试的样本数据)
  - exercise
    - example-pytorch.ipynb
    - example-keras.ipynb
  - ans
    - example-pytorch.ipynb
    - example-keras.ipynb