跳到主要内容

动手学深度学习 (Dive into Deep Learning)

《动手学深度学习》是由李沐等人编写的深度学习入门教材，面向中文读者，强调"能运行、可讨论"。本书已被全球 70 多个国家的 500 多所大学采用作为教学教材。

课程信息​

作者​

  • 李沐 - AWS 资深首席科学家，卡内基梅隆大学计算机系博士
  • Aston Zhang
  • Zachary C. Lipton
  • Alexander J. Smola

课程特色​

  1. 理论与实践结合 - 在同一个地方阐述概念、数学知识和代码实现
  2. 多框架支持 - 含 PyTorch、NumPy/MXNet、TensorFlow、PaddlePaddle 实现
  3. 可运行代码 - 所有代码示例都可以直接运行
  4. 中文友好 - 专为中文读者编写

主要章节​

基础部分​

  • 预备知识（数据操作、线性代数、微积分、概率论）
  • 线性神经网络（线性回归、Softmax 回归）
  • 多层感知机（MLP、权重衰减、Dropout）

深度学习计算​

  • 层与块
  • 参数管理
  • 自定义层
  • 读写文件
  • GPU 计算

卷积神经网络 (CNN)​

  • 卷积层、池化层
  • LeNet、AlexNet、VGG
  • NiN、GoogLeNet
  • 批量归一化、ResNet、DenseNet

循环神经网络 (RNN)​

  • 序列模型
  • 语言模型
  • RNN、GRU、LSTM
  • 深度循环神经网络
  • 双向循环神经网络

注意力机制​

  • 注意力机制
  • 自注意力和位置编码
  • Transformer

优化算法​

  • 梯度下降
  • 随机梯度下降
  • 动量法
  • Adam

计算机视觉​

  • 图像增广
  • 微调
  • 目标检测（SSD、YOLO）
  • 语义分割

自然语言处理​

  • 词嵌入（Word2Vec、GloVe）
  • 文本预处理
  • 预训练模型（BERT、GPT）

相关资源​

  • 习题解答 - Datawhale 社区维护
  • 纸质书 - 《动手学深度学习（PyTorch版）》京东、当当有售
  • 英文版 - Dive into Deep Learning

学习代码​

https://github.com/Hao-yiwen/deeplearning/tree/master/pytorch_2025/month_11