动手学深度学习

面向中文读者的深度学习教科书：从线性回归、多层感知机讲到卷积、循环、注意力机制，再到优化、计算机视觉与自然语言处理，理论、代码、实验三位一体，每节均可运行。采用 PyTorch 框架实现。

人工智能19 章27.7 万字0 阅读作者阿斯顿·张、李沐、扎卡里·立顿、亚历山大·斯莫格拉（人民邮电出版社异步图书出品）Apache-2.0 开源

这是国内影响力最大的深度学习中文教科书之一，四位作者是阿斯顿·张、李沐（亚马逊资深首席科学家）、扎卡里·立顿和亚历山大·斯莫格拉。它的特点是理论、代码、实验三位一体：每个概念都配一段可以直接跑的 PyTorch 代码，而不是只给公式。

全书 19 章：

第 1–4 章打基础：深度学习是什么、安装环境、数学符号、线性回归从零实现；
第 5–7 章经典模型：预备知识（张量、线性代数、微积分、自动求导）、线性神经网络、多层感知机与.dropout 等正则技术；
第 8–13 章现代架构：深度学习计算、卷积神经网络（LeNet→AlexNet→VGG→ResNet）、循环神经网络、注意力机制与 Transformer；
第 14–19 章进阶与应用：优化算法、计算性能（并行/多 GPU）、计算机视觉、自然语言处理预训练与应用、附录工具。

怎么读：零基础从第 1 章顺着读；有基础的可直接跳到第 9 章卷积或第 13 章注意力。书里每段代码都可以在 Colab/本地 GPU 上运行，动手跑一遍胜过读三遍。

转载说明：本书以 Apache-2.0 协议在 GitHub 开源，官方网站 zh.d2l.ai。本站按开源协议转载并分章排版（代码保留 PyTorch 实现），版权归原作者所有。

目录