深度学习论文精读：李沐的 3 万 Star 论文笔记仓库

做深度学习的人，应该都听过李沐。他在 B 站发的论文精读视频，播放量动辄几十万。但他不只是录视频，还把所有内容整理成了一个 GitHub 仓库，叫 paper-reading。目前 Star 数超过 3.3 万，算是深度学习领域最实用的中文学习资源之一。

这个仓库到底有什么

打开仓库，你会看到一张巨大的表格，列出了 67 篇论文，按方向分类：CNN、Transformer、生成模型、目标检测、对比学习、视频理解、多模态、NLP、系统优化、图神经网络……基本覆盖了深度学习过去十年的重要工作。

每篇论文都有对应的 B 站视频链接，部分还有知乎链接。已经录制完成的有 32 篇，覆盖了从 AlexNet 到 Sora 的关键节点。表格里还标注了引用数，来源是 Semantic Scholar 的 API，自动更新，不用手动维护。

覆盖了哪些方向

计算机视觉是重点。CNN 那一列从 AlexNet 开始，一路到 EfficientNet；Transformer 那列有 ViT、Swin Transformer、MAE；生成模型从 GAN 到 DALL.E 2 再到 Sora，时间线拉得很完整。

目标检测从 R-CNN 到 DETR，对比学习从 InstDisc 到 DINO，视频理解从 DeepVideo 到 TimeSformer。每个方向都有清晰的脉络，不是随便堆论文。

NLP 部分从 Transformer 原论文开始，经过 GPT、BERT、GPT-2、GPT-3，一直到 Llama 3.1。系统部分讲了参数服务器、GPipe、Megatron-LM、ZeRO、Pathways，都是分布式训练绕不开的工作。

适合什么人用

如果你是深度学习方向的学生或从业者，想系统补论文，这个仓库比自己瞎找论文强太多。李沐选的论文基本都是必读的，而且他讲得细，会把论文里的关键思路拎出来，不是简单念摘要。

仓库的 README 里还提到了选论文的原则：偏向之前直播课里没讲过的，同时覆盖十年内有影响力的工作。所以你看到的不是随机拼凑，而是有筛选逻辑的。

和其他资源的区别

网上论文解读不少，但大多是单篇博客或者短视频，不成体系。这个仓库的好处是有结构：按方向分类，按时间排列，每篇都有视频配套。你不需要在各种平台之间跳来跳去，一个仓库就能把某个方向的论文串起来。

另外，李沐的讲解风格偏实战，会结合代码和直觉，不是纯数学推导。对工程背景的人来说，比看原论文友好很多。

一点不足

目前已录制的 32 篇只占总数的一半不到，部分方向的覆盖率还不够。比如多模态那块录了不少，但优化算法只列了三篇，还没录制。如果你关注的方向恰好在未录制的部分，可能需要等更新。

另外，仓库主要是索引和链接，没有论文笔记或摘要的文字版。想要纯文字内容的人可能会觉得不够。

要是索引和链接，没有论文笔记或摘要的文字版。想要纯文字内容的人可能会觉得不够。