动手学深度学习
d2l-en
⭐⭐⭐☆☆ (3/5)
🧩 软硬件结合
已发布
项目简介
Interactive deep learning book with multi-framework code, math, and discussions. Adopted at 500 universities from 70 cou
D2L.ai（Dive into Deep Learning）是一本开源交互式深度学习教材，由亚马逊首席科学家李沐、加州大学伯克利分校教授Alex Smola等顶尖学者联合编写。该项目以“在实践中学习”为核心理念，将全书内容以Jupyter Notebook形式呈现，完美融合了理论讲解、数学公式、代码实现和可视化图表，为读者提供沉浸式的深度学习学习体验。
标签
项目特点
**交互式学习**：全书以Jupyter笔记本形式呈现，读者可以边学边运行代码，即时看到结果。
**多框架支持**：代码示例支持PyTorch、TensorFlow、JAX等主流深度学习框架。
**内容全面**：涵盖从基础概念到高级主题（如计算机视觉、自然语言处理）的深度学习知识。
**开源免费**：书籍和代码完全开源，任何人都可以免费获取和使用。
**社区驱动**：拥有活跃的讨论论坛，鼓励社区贡献和问题反馈。
**权威认可**：被全球500多所大学采用，并获得多位AI领域顶尖人物的推荐。
技术规格
| 书籍格式 | |
|---|---|
| 编程语言 | |
| 支持的深度学习框架 | |
| 许可证 | |
| 在线版本 | |
| 中文版本 |
项目资源
搜索资源
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或Miniconda |
| Jupyter Notebook/Lab | 1 | — | 用于运行交互式笔记本 |
| PyTorch/TensorFlow/JAX | 1 | — | 至少选择一个框架 |
| 计算机（带GPU） | 1 | — | 推荐使用GPU加速训练 |
所需工具
| 工具 | 用途 | 是否必需 |
|---|---|---|
| Python | 运行代码示例 | ✅ 是 |
| Jupyter Notebook/Lab | 交互式学习环境 | ✅ 是 |
| 深度学习框架（PyTorch/TensorFlow/JAX） | 实现神经网络 | ✅ 是 |
| GPU（如NVIDIA CUDA） | 加速模型训练 | ▢ 推荐 |
| Git | 版本控制和贡献代码 | ▢ 推荐 |
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**
4/5
**创造与创新**
3/5
项目图库
所需技能
🔧 **动手能力**：需要能够设置Python开发环境、安装依赖库、运行Jupyter笔记本。对于GPU加速，需要了解CUDA和驱动安装。
💻 **编程能力**：需要具备Python编程基础，了解基本的数据结构、函数和面向对象编程。对线性代数和微积分有基本了解会更有帮助。
⚡ **电子电路**：不涉及。
适用场景
**深度学习入门学习**：适合希望系统学习深度学习理论和实践的初学者。
**大学课程教材**：已被全球500多所大学用作深度学习课程的教材。
**自学与参考**：适合数据科学家、工程师和研究人员作为深度学习的自学资料和参考书。
**教学与培训**：可用于企业培训或在线课程，提供结构化的学习路径。