动手学深度学习

什么是 动手学深度学习？（平台定位与核心价值）

动手学深度学习（Dive into Deep Learning，简称D2L，zh.d2l.ai）是由前亚马逊首席科学家李沐（Mu Li）、阿斯顿·张（Aston Zhang）以及扎克·利普顿（Zack Lipton）等全球顶级AI科学家领衔编写、剑桥大学出版社出版的享誉全球的开源互动式人工智能教科书。该教材被全球包括卡耐基梅隆大学、斯坦福大学、清华大学、加州大学伯克利分校在内的数百所世界顶级名校选为官方教学指定参考书。D2L突破了传统纸质书静态教学的局限，开创了“每一节文字均可作为独立代码运行、理论推导与PyTorch实战严谨对应”的全新范式，是华人乃至全球AI学子必读的开源经典。

适用人群与典型场景

• 高校计算机与AI专业学生：作为标准学术课程教材，系统学习矩阵微积分、反向传播算法、CNN、RNN、Transformer与现代架构。
• 在职算法工程师与求职面试者：透彻理解底层注意力机制（Attention）、优化器实现与多GPU分布式训练细节，夯实代码底层硬实力。
• 深度学习科研人员：直接参考书中古典模型到现代模型的规范化代码实现，作为论文基线实验的标准范本。
• B站技术学习者：结合李沐老师在B站广受欢迎的千万播放量精读导读视频，跟随大师脚步逐行敲代码。

核心功能与特色亮点

• 数学推导、文字讲解与代码实现三位一体：每个概念不仅提供严密的数学公式推导，还直接附带从零实现（From Scratch）与高级API调用的完整Python代码。
• 多主流计算框架全覆盖：同时提供PyTorch、NumPy/MXNet、TensorFlow与JAX四种业界主流深度学习框架的等价实现。
• 开源可交互式 Notebook 设计：整本书以Jupyter Notebook格式完整托管在GitHub，支持在Google Colab或SageMaker上一键免费运行。
• 从经典模型到大模型全体系演进：涵盖多层感知机、LeNet/ResNet、BERT、GPT架构与预训练大模型的前沿技术演进脉络。

如何快速上手 动手学深度学习？（使用教程）

环境与使用前置：D2L电子书完全免费在中文官方网站（zh.d2l.ai）开源，国内网络流畅访问，推荐配合Google Colab或本地Jupyter环境学习实操。

1. 访问中文在线教材：在浏览器输入zh.d2l.ai，进入结构严谨的在线全书目录。
2. 从前言与环境配置开始：阅读第一章安装向导，配置本地conda环境或使用免费云端Jupyter服务。
3. 在线阅读或一键在Colab运行：每节正文顶部均带有“Colab”按钮，点击即可直接在云端免费GPU中打开并逐行运行该节完整代码。
4. 搭配李沐老师视频精读：在B站搜索“跟李沐学AI”，对照各章节录制的名师逐句导读与弹幕互动。
5. 完成课后习题与动手练习：动手完成每章末尾布置的消融思考题与编程作业，加深理解。

收费标准与版本差异（产品价格）

《动手学深度学习》秉承彻底的学术开源共享精神：

• 开源电子书与代码完全永久免费：全书完整中文/英文HTML网页、PDF下载、Jupyter Notebook源码对所有人100%免费开放。
• 实体纸质书：由人民邮电出版社出版发行的正版实体纸质教材，学员可按需购买纸质珍藏。

客观评价与选型建议

优势：全球公认华人顶级开源教材，数学严谨、代码极度规范，李沐老师视频讲解生动透彻，真正做到“知其然且知其所以然”。
局限与建议：对线性代数、微积分有一定要求，适合希望扎实打牢理论与代码内功的求知者。
同类工具横向参考：自顶向下实战派推荐fast.ai；吴恩达名课推荐DeepLearning.AI / Coursera；零基础通识推荐Elements of AI。