动手学深度学习（D2L-zh）

项目简介

《动手学深度学习》（Dive into Deep Learning，简称 D2L）是一本面向中文读者的开源深度学习教材。它的核心主张是：理解深度学习的最佳方法是学以致用。书中把概念背景、数学推导与可运行代码放在同一处讲解，读者可以在阅读的同时修改代码、观察结果。

项目提供第二版在线地址 zh.d2l.ai，并保留第一版供参考；中英文版已被 70 多个国家的 500 多所大学用于教学。

内容组织

全书以 Jupyter Notebook 为主要载体，章节大致按以下脉络展开：

• 预备知识：环境安装、数据操作、线性代数、微积分与概率
• 基础模型：线性回归、Softmax 回归、多层感知机
• 训练技巧：模型选择、权重衰减、Dropout、数值稳定性
• 经典网络：卷积神经网络、现代 CNN 架构、循环神经网络
• 进阶主题：注意力机制、Transformer、优化算法
• 应用方向：计算机视觉、自然语言处理、推荐系统等

每章通常包含文字讲解、公式推导、代码实现与练习，形成“读—跑—改”的闭环。

使用方式示意

读者一般通过在线网页阅读，或在本地克隆仓库后运行 Notebook。具体安装步骤以官方安装章节为准，不同版本（第二版 / 第一版）的依赖说明不同，建议按对应章节操作。

# 书中代码通常以 Notebook 单元形式给出，
# 例如定义模型、构造数据、训练与评估等步骤

社区与贡献

项目配有讨论论坛，中文版有独立分区，读者可以提问、答疑与交流经验。仓库接受社区贡献，贡献流程、致谢与问题反馈入口均在官方文档中列出。

适用人群

• 希望系统学习深度学习、并愿意动手写代码的学生与开发者
• 需要中文教材与课件参考的高校教师
• 想查阅主流模型实现思路的工程实践者

如果只想要“调包速成”，本书可能偏重；但若希望理解原理并能自己实现与改进，它是中文资料中少有的完整选择。