公式10.22是错误的，分母少了偏导符号

参考文献的真实页码和目录中的页码并不对应
正文中是590页
目录中是578页

关于第十一章的建议，请放在这里。

suggestion about chapter 13

大家可以挑自己擅长的认领，一起完善翻译。不需要太着急，大概3月前完成就行。
校对样本，见第一章。几位校对者一共提供近300个建议，我们会综合考虑会合并。非常感谢！

现阶段我们更希望，读者能跟我们讲讲哪里读不懂或者有问题，或者建设性的意见都可以在这个issue下提。
读不通的问题我们会慢慢修改，实在很耗时间，希望大家耐心等待，能看英文原版的同学就看英文原版，对你的好处更大。

我们自己也读过喷过很多翻译的书，为了以后被喷的少一点，我们顶住各方压力公开翻译版，所以大家现在请狠狠的喷，要是以后出版了就轻轻的喷。

各章节意见可以到对应的issue提。我们可能不会及时回复，但一定会考虑大家的意见。

proofread.txt
1个！表示可能需要修改
2个！！表示有问题需要修改，也可能是我看错或者理解由问题
3个！！！表示问题比较严重一定要改，如果觉得原译文是对的请和我讨论
没有！表示只是个人阅读习惯

修改得比较激进 这样似乎更有可能跳出局部最优hahaha

从训练集 有替换采样 构造k 个不同的数据集，然后在训练集i 上训练模型i

这儿表达的是采样时样本可重复，有替换采样有这个意思。但是概率统计的常规说法是有放回采样。

建议把 有替换采样 改为 有放回采样
（google上搜索，前一种说法基本没有，后一种还是很多的）

如题，下载了几次都下载不了PDF。感谢处理

6.2 基于梯度的学习

这种用于训练前馈神经网络以及几乎所有深度模型的迭代的基于梯度的优化算法会在第第八章详细介绍

多了一个“第”字。

章节中图片内容显示的都是如下的代码段：
\begin{figure}[!htb]
\ifOpenSource
\centerline{\includegraphics{figure.pdf}}
\else
\centerline{\includegraphics{Chapter1/figures/polar_color}}
\fi
\caption{不同表示的例子：假设我们想在散点图中画一条线来分隔两类数据。
在左图，我们使用笛卡尔坐标表示数据，这个任务是不可能的。
右图中，我们用极坐标表示数据，可以用垂直线简单地解决这个任务。（与David Warde-Farley合作画出此图。）}
\end{figure}

链接也无法显示，而是只显示：
{cite?}

请问这是为什么？

779行是不是应该是如果l比n小

https://github.com/exacity/deeplearningbook-chinese/blob/master/Chapter7/regularization.tex#L778

原文：
then L2 regularization and early stopping ......

译文：
那么L2正则项和权重衰减 ......

应该是早停止，翻译成了权重衰减。

：）

好多流程和公式类的latex表达式显示不出来, f12看network 全部都加载成功了啊 .
还有向量, 矩阵这种显示样式不对

#39

关于第十八章的建议，请放在这里。

版本dlbook_cn_v0.1.1-alpha.pdf第1页到第39页都为空白,谢谢.

关于第十章的各种建议，可以在这个issue下提

关于第五章的建议，请放在这里。

Thanks for your translation version.
Currently, I am making: Machine Learning for Software Engineers (https://github.com/ZuzooVn/machine-learning-for-software-engineers)

Did you have any suggestion for Deep Learning's Top-down learning path for Software Engineers ?

Thank you

关于第四章的各种建议，可以在这个issue下提

关于第七章的各种建议，可以在这个issue下提

关于第3章的各种建议，请在这里回复

suggestion about chapter 12

deeplearningbook-chinese/Chapter8/optimization_for_training_deep_models.tex
lines 392
由于\firstgls{model_identifiability}问题，\gls{NN}和任意具有多个等效参数化\gls{latent_variable}的模型都会具有多个\gls{loccal_minima}。

最后一个应该是　\gls{local_minima}

另外，我就找到了 Adobe Song Std L Light格式的字体，没有找到Adobe Song Std 格式的字体，所以
deeplearningbook-chinese/dlbook_cn.tex 中的 lines 6 \setCJKmainfont[AutoFakeBold=true]{Adobe Song Std}
要改成\setCJKmainfont[AutoFakeBold=true]{Adobe Song Std L}才能编译通过

Line 606. 这个公式是以Reverend Thomas Bayes来命名的，他是第一个发现这个公式特例的人。
贝叶斯(Thomas Bayes)是英格兰长老会牧师(reverend)，"Reverend"不是他名字的一部分。

参数是控制系统行为的值。 在这种情况下，wiwi是系数，会和特征 xixi相乘之后全部相加起来。 我们可以将ww看作是一组决定每个特征如何影响预测的权重。 如果特征 xixi对应的权重wiwi是正的，那么特征的值增加，我们的预测值y^y^也会增加。# 如果特征 xixi对应的权重wiwi是负的，那么特征的值减少，我们的预测值y^y^也会减少。 如果特征权重的大小很大，那么它对预测有很大的影响；如果特征权重的大小是零，那么它对预测没有影响。

错误点：# _`如果特征 xixi对应的权重wiwi是负的，那么特征的值减少，我们的预测值y^y^也会减少。
错误原因：如果系数为负，那么应该是特征的值增加，我们的预测值会减少；

关于第十五章的建议，请放在这里。

关于第一章的各种建议，可以在这个issue下提

One of the most influential approaches to supervised learning is the support vector
machine.
翻译中为无监督学习。 这一点很重要，但是这里很显然错了。 望改正
line 1299:
\firstall{SVM}是\gls{unsupervised_learning}中最有影响力的方法之一\citep{Boser92,Cortes95}。

Running on macOS Sierra, base64 -d gives error.

echo c3dvcmQueW9ya0BnbWFpbC5jb20K | base64 -d
base64: invalid option -- d
Usage:	base64 [-hvD] [-b num] [-i in_file] [-o out_file]
  -h, --help     display this message
  -D, --decode   decodes input
  -b, --break    break encoded string into num character lines
  -i, --input    input file (default: "-" for stdin)
  -o, --output   output file (default: "-" for stdout)

Seems it should be -D (at least for this version and macOS).

echo c3dvcmQueW9ya0BnbWFpbC5jb20K | base64 -D
[email protected]

关于第二章的建议，请放在这里。

README 里留的邮箱是 echo c3dvcmQueW9ya0BnbWFpbC5jb20K | base64 -d，但是我正在使用的 Ubuntu 和 macOS 自带的 base64 行为并不一致，macOS 下需要改为 base64 -D，要不要注明一下？

关于第6章的各种建议，请在这里回复

当前的pdf版本kindle不支持，能否生成一个kindle支持的版本？

suggestion about chapter 16

关于第八章的建议，请放在这里。

suggestion about chapter 19

关于第十四章的各种建议，可以在这个issue下提

关于第9章的各种建议，请在这里回复

关于第20章的建议。

suggestion about chapter 17

请问你们是用什么软件编译的？

“20世纪40年代到60年代深度学习的雏形出现在控制论中，20世纪80年代到90年代深度学习以联结主义为代表，并于2006年开始，以深度学习之名复兴。”建议再做更改：20世纪40年代到60年代，深度学习的萌芽出现在控制论中，80年代到90年代的深度学习表现为联结主义，直到2006年，才真正以深度学习之名复兴。
13页，“理解大脑和人类智力背后的原则也非常有趣”，建议译为“理解大脑和人类智能背后的原理也非常有趣”。
13-14页，“机器学习框架且不必是受神经启发的”，建议译为“机器学习框架且不必是受神经系统启发的”
14页的“自适应线性元件(adaptive linear element, ADALINE)”，建议译为“自适应线性单元”，目前国内很多书都是这么叫的。

7.1 参数范数惩罚 部分公式7.6错误，最后少乘了一个(w-w*)