动手学深度学习

动手学深度学习 是什么？

《动手学深度学习》（Dive into Deep Learning，简称 D2L）是由阿斯顿·张、扎卡里·C·立顿、李沐、亚历山大·J·斯莫拉四位作者（均来自亚马逊）合著的深度学习教科书，配套完整的免费在线课程。它面向中文读者，号称"能运行、可讨论"——书里每一节都是可运行的 Jupyter 记事本，公式、图示、代码、文字一体呈现，被全球 70 多个国家 500 多所大学用作教材或参考书，是国内深度学习学习者的"圣经"级读物。

第二版在线内容提供 PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle 四种框架实现，中文版在线内容完全免费，纸质书《动手学深度学习（PyTorch版）》在京东、当当等渠道有售，B 站还有配套教学视频。

核心功能/课程内容

• 从零到前沿的 15+ 章体系：预备知识 → 线性神经网络 → 多层感知机 → CNN 卷积网络 → RNN 循环网络 → 注意力机制与 Transformer → 优化算法 → 计算机视觉与 NLP 应用，覆盖从线性回归到 BERT 的完整路径。
• 可运行代码随学随改：每节都是 Jupyter 记事本，支持本地、Google Colab、SageMaker 直接运行，修改超参数即时反馈。
• 多框架支持：PyTorch、TensorFlow、MXNet、PaddlePaddle 四套实现，学一套框架的同时能对照其他框架。
• 理论 + 实践一体：既有数学公式和图示讲解，也有从零手写实现（如手写多层感知机、RNN），还有 Kaggle 实战项目（房价预测、CIFAR-10、ImageNet Dogs）。
• 社区与讨论：每章末尾链接到讨论社区，可与全球学习者交流问题；GitHub 开源持续更新。
• 免费配套资源：B 站教学视频、课件、作业、电子版教材均免费。

适用场景

• 深度学习系统入门：想扎实理解深度学习原理而非只会调库的人，从零开始手写模型理解本质。
• 高校课程与自学：被全球 500 多所大学用作教材，适合作为课程教材或自学参考，中文语境最友好。
• 科研与工程进阶：Transformer、注意力机制、优化算法等章节是理解现代大模型的基础。

价格

在线版内容完全免费（网页、Jupyter 代码、B 站视频均免费）；纸质书《动手学深度学习（PyTorch版）》需购买，京东、当当等渠道有售，价格以电商平台为准。

优缺点

• 优点：中文原生、面向中文读者零语言障碍；理论+代码+实战三位一体；四种框架实现覆盖主流生态；全球大学广泛验证的教学质量；在线版完全免费。
• 缺点：内容深度较大，需要线性代数和 Python 基础；自学者需较强自律和动手意愿；部分章节对应旧版本框架，需注意版本更新。