用途：这是《Deep Learning》（Goodfellow、Bengio、Courville，MIT Press 2016，共 20 章 3 部分，可在 deeplearningbook.org 免费阅读）的学习伴侣，不复制原书文本，每章文件为原创综述，说明该章确立什么、如何使用、哪些内容已过时，并附官方章节链接。
主要能力：提供章节索引与主题索引（如正则化、鞍点、配分函数等按主题定位到章节）；核心框架包括 (T,P,E) 框架、损失即负对数似然、KL 不对称决定失败模式、先看训练误差的分诊法、容量与双下降、架构即先验、深度成本在于梯度流与激活内存、配分函数组织第三部分、先诊断再重设计。附 glossary.md、patterns.md、cheatsheet.md，以及 references/book_to_2026_delta.md、prerequisite_map.md、study_method_canon.md、rights_and_use.md。
使用方式：无参数加载核心框架；给出主题经主题索引定位后读取对应章节文件；输入 chNN 加载该章；问“这还成立吗”走 2016→2026 变化层；问“从哪开始”运行 scripts/reading_path_planner.py。工具示例：python3 $S/reading_path_planner.py --goal "train a transformer" --background applied --hours-per-week 5；python3 $S/training_diagnostics.py --train-loss 0.02 --val-loss 1.9 --grad-norm 0.4 --epochs 30；python3 $S/capacity_planner.py --params 12000000 --train-examples 50000 --train-error 0.01 --val-error 0.22；python3 $S/model_arithmetic.py --spec-sample。所有工具支持 --help、--sample、--output json，仅用标准库，返回类型化退出码。
适用场景：学习与复习该书、按主题快速定位、判断书中结论在 2026 年是否仍适用、做训练诊断与容量规划。
限制：仅覆盖 2016 版 20 章及其与 2026 实践的差异；不涉及强化学习（仅顺带提及）、LLM 训练基础设施、RLHF/DPO 对齐、智能体系统、MLOps 工具、公平与安全评估。问题超出书本范围时应说明并引用变化参考，而非臆测书中立场。生产 ML 工程与 LLM 成本优化另有对应技能。