附录
学习过程中忘了一个符号，或被一段代码绊住，都很常见。附录不要求从头读到尾：带着眼前的问题进来，找到解释，再回到正在读的章节就好。
目前可以查阅：
| 遇到的问题 | 从哪里开始 |
|---|---|
| 不熟悉列表、数组、张量或自动求导 | A. Python、NumPy 与 PyTorch |
| 忘了符号，或想重新推一遍梯度 | B. 数学符号与常用推导 |
| 想查中文、英文名称和缩写 | C. 中英文术语与缩写 |
| 想试试神经网络之外的分类方法 | D. 三种经典方法 |
| 不清楚下载的数据、模型和许可说明该怎么看 | E. 数据集说明、模型卡与许可证 |
| 想留下能重新核对的实验配置与结果 | F. 实验配置、日志与复现报告 |
| 程序报错、结果异常，或损失明明下降却学错了 | G. 常见错误与排查 |
| 想开始读论文，却不知道该先补什么 | H. 按前置知识选择论文 |
这些页面与正文使用同一套例子：打印任务帮助我们检查数组形状和梯度，小型分类算例帮助我们理解距离、概率与间隔。代码可以下载运行，推导旁也有自测和答案。
资料阅读与实验记录也沿用书中真正出现过的例子。你可以核对手写数字的来源、查找一个模型的固定版本，再运行打印算例，留下一份包含全部候选和逐条预测的记录。更完整的研究实例见第十篇的项目报告。
已经读过的页面有哪些变化，可以查阅修订说明与勘误。