动手学深度学习
d2l-zh
🧩 软硬件结合
已发布
项目简介
《动手学深度学习》：面向中文读者、能运行、可讨论。中英文版被70多个国家的500多所大学用于教学。
《动手学深度学习》：面向中文读者、能运行、可讨论。中英文版被70多个国家的500多所大学用于教学。
标签
项目特点
**免费开源**：所有人均可在网上免费获取，无需购买纸质书。
**理论与实践结合**：在同一处阐述数学原理和工程技能，并提供可直接运行的代码。
**交互式学习**：基于Jupyter Notebook，读者可以修改代码、观察结果，实现“学以致用”。
**持续更新**：紧跟深度学习领域的高速发展，社区和作者不断迭代内容。
**社区支持**：拥有专门的论坛（discuss.d2l.ai）供读者提问、讨论和交换经验。
**多框架支持**：代码示例同时支持PyTorch、TensorFlow和MXNet等主流深度学习框架。
**全球认可**：被加州大学伯克利分校等全球顶尖学府采用为教材。
技术规格
| 编程语言 | |
|---|---|
| 深度学习框架 | |
| 内容形式 | |
| 版本 | |
| 在线地址 | |
| 许可证 | |
| 目标读者 |
项目资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Python 环境 | 1 | — | 建议使用 Anaconda |
| PyTorch / TensorFlow / MXNet | 1 | — | 至少选择一个框架 |
| Jupyter Notebook / JupyterLab | 1 | — | 用于运行交互式代码 |
| 计算机（建议配备GPU） | 1 | — | 训练深度学习模型时GPU可大幅加速 |
所需工具
螺丝刀套装
必需
钳子/剪线钳
必需
能力画像
⚪ 记忆与知识检索: 3/5
🔵 逻辑推演: 4/5
⚪ 表达与交流: 2/5
⚪ 感知与观察: 2/5
⚪ 数理与计算: 4/5
⚪ 动手与操作: 3/5
⚪ 狂热与坚持: 3/5
⚪ 创造与创新: 3/5
项目图库
所需技能
🔧 **动手能力**：需要能够搭建Python开发环境，安装深度学习框架，并运行Jupyter Notebook进行实验。
💻 **编程能力**：需要具备Python编程基础，了解基本的数据结构和算法。书中会从零开始讲解深度学习代码，但编程经验会极大帮助学习。
⚡ **电子电路**：不涉及。
适用场景
**自学深度学习**：从零基础到进阶，系统学习深度学习的理论和实践。
**大学教学**：作为深度学习、机器学习课程的教材或参考书。
**企业培训**：帮助研发工程师快速掌握深度学习并应用于实际项目。
**研究入门**：为希望进入深度学习研究领域的学生和研究人员提供扎实的基础。
**代码参考**：作为深度学习常见模型和技术的代码库，供开发者查阅和复用。