动手学深度学习

动手学深度学习简介

动手学深度学习（Dive into Deep Learning）是一部开源、交互式的深度学习中文教材，由李沐、张亚磊等学者共同编写，其在线门户把教材正文、可运行代码与配套教学资源整合在同一套页面体系里。它主张“边做边学”，读者不必只在纸面上推导公式，而可以一边读理论一边运行示例，通过调整参数、观察输出变化来理解模型的实际运作方式。站点内容持续更新，既适合从头读到尾，也方便按需查阅。

• 官网入口：http://zh.d2l.ai/
• 开源项目地址：https://github.com/d2l-ai/d2l-zh
• 电子版与代码下载：https://github.com/d2l-ai/d2l-zh/releases

核心特点与学习价值

• 交互式体验：教材配有大量 Jupyter Notebook 示例，可直接在浏览器中运行、修改并重新观察结果，反向传播、梯度下降这类抽象机制因此更容易理解。
• 多框架覆盖：同一套内容提供 PyTorch、TensorFlow、MXNet/Gluon、PaddlePaddle 等主流框架版本，习惯研究向或工业向工具链的读者都能找到对应实现。
• 体系完整：从线性代数、张量运算、自动求导讲起，一直延伸到卷积神经网络、循环神经网络、Transformer 与强化学习等进阶主题。
• 资源齐备：除正文外还整合了公开课视频、习题解答、论文链接以及 GitHub 代码仓库，便于按需取用。

适合谁用，怎么用

• 零基础入门：没有深度学习背景也能顺着章节推进，先跑通代码再回头补数学细节，学习曲线相对平缓。
• 进阶参考：需要系统梳理理论或做实验对比时，可把它当作随手查阅的手册，按主题跳读感兴趣的章节。
• 课堂教学：截至 2023 年，该教材已被全球 70 多个国家、500 多所高校用于课程教学，教师可以直接借鉴其章节安排与习题设计。

无论是想迈出第一步的新手，还是希望把知识重新梳理一遍的从业者，动手学深度学习都值得花时间细读。它把教材、代码与实践放在同一个入口，读一段、跑一段，理解往往比单纯阅读来得扎实。正如书中引用的那句话——纸上得来终觉浅，绝知此事要躬行。