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 | Jupyter Notebook |
|---|---|
| 编程语言 | Python |
| 支持的深度学习框架 | PyTorch, TensorFlow, JAX |
| 许可证 | 文本：CC BY-SA 4.0；示例代码：MIT |
| 在线版本 | https://d2l.ai/ |
| 中文版本 | https://github.com/d2l-ai/d2l-zh |
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 |
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。