动手学深度学习

李沐等人编写的开源深度学习教材，提供可运行的代码章节与配套视频，覆盖从基础到前沿模型。

《动手学深度学习》是由亚马逊资深首席科学家李沐等人发起并维护的开源深度学习教材，其在线版本托管于 d2l.ai。该项目旨在解决深度学习入门中常见的“理论懂、代码难”痛点，强调通过可交互、可运行的代码示例来驱动学习。

核心定位与内容架构

• 代码优先，可实操：全书所有章节的代码均基于 Apache MXNet、PyTorch 和 TensorFlow 三种主流框架实现（不同版本对应不同分支），且所有代码可在 Jupyter Notebook 中直接运行。读者可以边阅读、边修改、边观察结果，将抽象概念（如反向传播、注意力机制）转化为直观输出。
• 覆盖广度与深度：内容从最基础的线性回归、多层感知机开始，逐步过渡到卷积神经网络（CNN）、循环神经网络（RNN）、注意力机制与 Transformer，并延伸至生成对抗网络（GAN）、推荐系统、深度强化学习等前沿方向。每个主题均配备清晰的数学推导、图示说明与完整代码。
• 配套视频与社区：官网提供与章节同步的免费视频课程（由李沐主讲），讲解风格平实，侧重直觉与工程细节。此外，项目在 GitHub 上开源，读者可提交 Issue 或参与翻译、修订，形成活跃的协作生态。

适用人群与使用建议

| 人群类型 | 推荐使用方式 |

|---------|------------|

| 零基础初学者 | 建议按顺序阅读前 5 章，重点完成代码复现，理解张量运算与自动求导机制 |

| 有机器学习基础者 | 直接跳至第 6 章以后，结合视频攻克 CNN、RNN 及 Transformer 的工程实现 |

| 工程师/研究者 | 利用“附录”中的环境配置指南与“练习”部分，针对特定模型进行调参实验 |

关键优势与注意事项

• 优势：相比纯理论教材（如花书），本书提供“即插即用”的代码环境；相比零散博客教程，本书具有系统性的章节递进与一致性表述。
• 注意：不同框架版本对应的代码略有差异，建议先选定一个框架（推荐 PyTorch）深入，再横向对比其他框架；部分前沿章节（如深度学习在计算化学中的应用）更新较慢，需结合最新论文补充阅读。

总结

如果你希望从“看懂公式”跨越到“写出可运行的模型”，d2l.ai 是目前中文互联网环境中综合质量最高的免费资源之一。建议以官网在线版为学习主路径，搭配 GitHub 仓库中的最新代码，按章节推进，并定期回看已学章节的练习以巩固理解。

常见问题

动手学深度学习 是什么？

李沐等人编写的开源深度学习教材，提供可运行的代码章节与配套视频，覆盖从基础到前沿模型。

动手学深度学习 的官方网站是什么？

动手学深度学习 的官方网站是 https://d2l.ai，可直接在浏览器中打开使用。