HackerURLs

一次又一次被重新发现的经典。

同一个链接,相隔一年以上,一次又一次被人重新发现、再次冲上 Hacker News 首页。能经受住这种时间检验的,大多是值得一读再读的文章。每篇附中文标题,讨论最热的那些再加上中文导读和高赞评论翻译。

从名人堂开始
  • 4,700+篇经过时间检验的经典

Hall of fame

名人堂

在经典库里看全部精选

上首页次数最多、而且有中文导读的 30 篇。时间轴上每个黑点是一次上首页,空心点是一次没冲上去的投稿。

  1. 正在载入经典…

Archive

经典库

按第一次上首页的年份分布,点柱子筛选。

排序

    About

    这些经典是怎么挑出来的

    1. 01

      合并同一个链接

      读取 Hacker News 自 2006 年以来的全部链接投稿,把 http/https、www、跟踪参数等写法不同的同一篇文章合并成一条。

    2. 02

      只留经得起时间的

      同一链接至少两次拿到 50 分以上(约等于上首页),而且两次相隔一年以上;再由 AI 剔除状态页、产品首页和新闻事件。

    3. 03

      写导读、译评论

      上首页次数最多的 2,000 篇配上中文导读、"为什么经久不衰",并精选翻译 HN 高赞评论。导读由 AI 生成,可能有误。

    AI 与机器学习blog.ezyang.com编辑精选

    PyTorch 内部原理:Ezyang 的博客

    PyTorch Internals: Ezyang's Blog

    2次上首页
    6年跨度
    627累计得分
    34条评论

    2019 — 2025,它一次次回到首页

    黑点是上首页(≥ 50 分)的那次投稿,空心点是没冲上去的投稿,点越大分数越高。

    导读

    Edward Z. Yang 撰写的 PyTorch 内部机制解析,深入讲解 PyTorch 的核心架构,包括张量(Tensor)的底层实现、自动求导系统(autograd)的工作原理等。文章以清晰的图示和代码讲解帮助读者理解这个主流深度学习框架是如何在 C++ 层面组织起来的。

    为什么经久不衰:它系统剖析了 PyTorch 的内部设计,即使多年后框架演进,其核心架构思想依然适用,是理解深度学习框架底层原理的经典读物。

    关键词 PyTorch深度学习框架源码解析autograd

    HN 评论精选

    称赞文章的写作质量很高

    这篇文章写得非常出色。

    foobiekr查看英文原文

    This is wonderfully written.

    作者同事分享线下演讲信息并宣传社区活动

    很高兴看到这篇文章出现在这里!Edward 曾在 PyTorch 纽约 meetup 上精彩地讲解过这些内容。如果有人在纽约,我们正在尝试举办每月一次的活动,主要聚焦技术深度分享,欢迎所有人参加!

    alexrigler查看英文原文

    Great to see this here! Unfortunately I didn't get to record it but Edward presented these slides wonderfully at the PyTorch NYC meetup [1]. If anyone is in New York we're trying to host monthly events. We're mostly focused on technical deep dives. All are welcome! (1)[https://www.meetup.com/PyTorch-NYC/](https://www.meetup.com/PyTorch-NYC/)

    提问不同深度学习框架内部设计的差异

    我不是搞机器学习的,但流行的框架(TensorFlow、PyTorch 等)的内部实现差异很大吗?它们主要是在算法实现上不同,还是存在更根本的设计理念差异?

    barbecue_sauce查看英文原文

    Not a machine learning guy, but are the internals of the popular frameworks (TensorFlow, PyTorch, etc.) vastly different? Are they mostly different in algorithm implementations, or are there more philosophical differences?

    历次讨论

    同类还值得读

    1. 如何写一个拼写纠正器

      How to Write a Spelling Corrector

      Peter Norvig 用一个几十行的 Python 程序演示如何做拼写纠正:先用编辑距离(删除、插入、替换、换位)生成所有可能的候选词,再用从大量文本中统计出的词频概率,选出…

      AI 与机器学习上首页 10 次 · 2007–2022norvig.com编辑精选
    2. 面向黑客的概率编程与贝叶斯方法

      Probabilistic Programming and Bayesian Methods for Hackers (2013)

      《黑客的贝叶斯方法与概率编程》是一本开源的贝叶斯统计入门书,以 Python/PyMC 代码和交互式 Jupyter Notebook 为主线,强调“先实践、后数学”的学习路径,…

      AI 与机器学习上首页 5 次 · 2013–2018camdavidsonpilon.github.io编辑精选
    3. 神经网络黑客指南

      Hacker's Guide to Neural Networks

      Andrej Karpathy 写的神经网络入门教程,面向程序员,从最简单的表达式求导讲起,逐步推导出反向传播和梯度下降,最后引出神经网络。

      AI 与机器学习上首页 4 次 · 2014–2019karpathy.github.io编辑精选
    4. 神经网络能逼近任意函数的可视化证明

      A visual proof that neural nets can approximate any function

      这一章来自 Michael Nielsen 的在线书《Neural Networks and Deep Learning》,用 sigmoid 单元叠加成局部隆起/平滑阶跃的图示…

      AI 与机器学习上首页 4 次 · 2014–2022neuralnetworksanddeeplearning.com编辑精选
    5. 论乔姆斯基与统计学习的两种文化

      On Chomsky and the Two Cultures of Statistical Learning

      Norvig 回应 Chomsky 对统计语言模型批评的文章,围绕“统计学习能否解释语言”展开,比较生成与解释、少参数模型与 Shannon 式高参数统计模型。

      AI 与机器学习上首页 4 次 · 2011–2025norvig.com编辑精选

    打赏支持

    打赏二维码

    觉得有用,请作者喝杯咖啡。

    WeChat

    关注向阳乔木

    微信公众号「向阳乔木推荐看」

    微信公众号「向阳乔木推荐看」二维码

    微信扫一扫;在微信里打开本页时,长按二维码识别。