Annotated Deep Learning Paper Implementations

这本书强在哪

• 60+ 实现，论文与代码并排注释，学习体验独特
• 覆盖面从 Transformer 到 RL，适合作为长期工具书
• 实现风格统一，便于横向对比
• 不是入门课，而是进阶读者的「论文健身房」

建议怎么学

1. 01每次只选 1 篇与当前工作相关的论文深挖
2. 02先读旁注再关注释复述，最后改一处实验
3. 03Transformer 相关实现优先，再扩展优化器/RL
4. 04入门不足时先回 d2l / 李宏毅，不要硬啃

适合谁 / 前置

• 较扎实的深度学习基础
• 能读英文论文与 PyTorch 代码
• 建议先完成一门系统 DL 课（如 d2l）

学完得到什么

• 能对照旁注读懂经典论文实现
• 按主题收集自己的「论文→代码」卡片
• 加深对 Transformer、优化器、RL 等模块的细节理解
• 具备把论文想法快速落到最小实现的能力