中文开源深度学习教材：动手学深度学习

动手学深度学习是一个开源的中文深度学习教材项目，旨在让学生、工程师和研究人员能够在实践中学习深度学习。该项目提供可运行的代码示例，并涵盖 NumPy/MXNet、PyTorch 和 TensorFlow 三种实现方式，帮助读者通过实践理解核心概念。动手学深度学习被全球 70 个国家的 500 所大学采用，用于教学和自学，提供中英文版本支持，兼顾学习与讨论社区，让深度学习变得更易理解和操作。

动手学深度学习是什么？

动手学深度学习是 GitHub 上的一个开源项目，面向中文读者，提供可执行的深度学习教材。项目不仅提供理论知识，还配套大量代码示例和练习，让读者在动手实践中掌握深度学习基础与进阶技巧。教材支持 MXNet、PyTorch 和 TensorFlow 三种深度学习框架，适合学生、工程师及科研人员使用。

开源地址：https://github.com/d2l-ai/d2l-zh

核心功能

本项目面向学生和技术人员，提供完整的学习和实践工具：

• 可运行代码示例——结合理论知识，提供完整的代码实践案例。
• 多框架实现——支持 NumPy/MXNet、PyTorch 和 TensorFlow，实现方法多样化。
• 中英文版本——满足全球不同语言读者的学习需求。
• 开源资源——教材及代码完全开源，可自由获取与使用。
• 社区讨论支持——读者可参与讨论、提问和贡献代码。
• 教学应用——已被全球 70 个国家 500 所大学用于深度学习课程。

使用场景

动手学深度学习适用于多类学习和研究场景：

操作指南

新手可快速上手动手学深度学习：

1. 打开 GitHub 项目仓库，访问 动手学深度学习。
2. 下载教材及示例代码或使用在线 Jupyter Notebook。
3. 按章节顺序阅读教材，并运行示例代码。
4. 修改代码或尝试练习题，加深理解。
5. 参与社区讨论，提出问题或贡献改进。
6. (注意：确保本地安装所需深度学习框架与 Python 环境)

支持平台

动手学深度学习可在本地 Python 环境或在线 Jupyter Notebook 平台使用，支持 Windows、macOS 和 Linux 系统，同时支持 MXNet、PyTorch 和 TensorFlow 框架。

产品定价

动手学深度学习为 免费 开源教材，所有内容和代码均可自由获取与使用，适合教学、科研及自学。

常见问题

Q1：是否收费？
A1：项目完全免费开源，无需付费。

Q2：是否需要注册？
A2：浏览教材和下载代码无需注册。

Q3：是否支持中英文版本？
A3：是的，提供中英文版本，便于全球读者使用。

Q4：是否适合初学者？
A4：适合有一定编程基础的初学者，结合代码实践可以快速掌握概念。

Q5：是否提供社区支持？
A5：GitHub 仓库提供讨论区和 issue 提问功能，方便读者交流和贡献。

跳跳兔小结

动手学深度学习是一个面向中文读者的开源深度学习教材项目，提供可运行的代码示例、全框架支持和社区讨论功能。适合学生、工程师、研究人员以及自学者使用，通过实践操作掌握深度学习基础和进阶技能。项目适合教学、科研或自学，但对完全没有编程基础的用户可能需要配合 Python 基础学习。