动手学深度学习》（Dive into Deep Learning）是由亚马逊科学家李沐、阿斯顿·张等人联合编写的开源深度学习教材，通过“文字+公式+图示+可运行代码”四位一体的交互式学习方式，帮助读者从零开始系统掌握深度学习理论与实战技能。
《动手学深度学习》是什么
《动手学深度学习》是一本面向中文读者、能运行、可讨论的深度学习在线书籍和课程。与传统深度学习教材不同，它以Jupyter Notebook的形式呈现，每一小节都包含可以自由修改和运行的代码，读者在阅读理论的同时可以立即动手实践。这本书由亚马逊首席科学家李沐领衔编写，已被全球60多个国家的400多所大学用于教学，豆瓣评分高达9.3，是深度学习领域的经典入门读物。
《动手学深度学习》的核心特点
-
交互式学习体验：全书以Jupyter Notebook形式呈现，读者可以自由修改代码和超参数，立即获得反馈，积累实战经验。
-
四位一体内容呈现：同时结合文字阐述、数学公式、结构图示和可运行代码，让读者从多个维度理解深度学习算法。
-
多框架支持：已推出MXNet版、PyTorch版和TensorFlow版，满足不同开发者的偏好。
-
开源免费：全书内容在官网和GitHub上完全开源，任何人都可以免费访问和学习。
-
社区互动：每章节末尾设有讨论链接，读者可以与全球数千名学习者交流心得、解答疑问。
-
持续更新：项目紧跟深度学习领域发展，不断迭代内容，新增注意力机制、预训练模型等前沿主题。
《动手学深度学习》的作者团队
| 作者 | 背景 |
|---|---|
| 阿斯顿·张（Aston Zhang） | 亚马逊应用科学家，美国伊利诺伊大学香槟分校计算机科学博士 |
| 李沐（Mu Li） | 亚马逊首席科学家，美国卡内基梅隆大学计算机系博士 |
| 扎卡里·C·立顿（Zachary C. Lipton） | 亚马逊应用科学家，美国卡内基梅隆大学助理教授 |
| 亚历山大·J·斯莫拉（Alexander J. Smola） | 亚马逊ML总监，德国柏林工业大学计算机科学博士 |
此外，本书在开源社区还有100余位贡献者共同参与完善。
《动手学深度学习》的内容结构
全书共分三大部分，涵盖从基础到前沿的完整知识体系：
第一部分：深度学习基础
-
深度学习简介与预备知识（数据操作、自动求梯度）
-
线性回归、Softmax回归、多层感知机
-
模型选择、欠拟合与过拟合、权重衰减、丢弃法
-
正向传播与反向传播、数值稳定性
第二部分：现代深度学习技术
-
深度学习计算（模型构造、参数访问、自定义层、读写存储）
-
卷积神经网络（LeNet、AlexNet、VGG、NiN、GoogLeNet、ResNet、DenseNet）
-
循环神经网络（RNN、GRU、LSTM、深度RNN、双向RNN）
-
注意力机制与Transformer基础
第三部分：应用与优化
-
优化算法（梯度下降、动量法、Adagrad、RMSProp、Adam）
-
计算性能（多GPU计算、异步计算、自动并行）
-
计算机视觉应用（图像增广、微调、目标检测、SSD、R-CNN系列、语义分割、风格迁移）
-
自然语言处理应用（词嵌入、word2vec、fastText、文本情感分类、编码器-解码器、束搜索、机器翻译）
《动手学深度学习》的版本演进
| 版本 | 出版信息 | 特点 |
|---|---|---|
| 初版（MXNet版） | 人民邮电出版社，2019年出版，ISBN：978-7-115-49084-1 | 使用Apache MXNet框架，是经典原版 |
| 精装版 | 人民邮电出版社，ISBN：978-7-115-50583-5 | 精装珍藏版本 |
| PyTorch版 | 人民邮电出版社，2023年2月出版，ISBN：978-7-115-60082-0 | 全面升级为PyTorch框架，新增注意力机制、预训练模型等内容 |
《动手学深度学习》的社区与资源
-
活跃的讨论社区：每章节末尾有专属讨论区，数千名学习者在此交流。
-
配套课程视频：李沐老师在B站开设了《动手学深度学习》系列视频课程，与书籍内容同步讲解。
-
开源贡献：任何人都可以通过GitHub提交改进意见或贡献代码，成为贡献者将获得专享版赠书。
-
教学资源：提供教学PPT、习题，方便教师授课使用。
《动手学深度学习》的应用场景
-
自学入门：从零开始系统学习深度学习，理论实践并重。
-
高校教学：全球400多所大学用作教材或参考书。
-
企业培训：帮助工程师快速掌握深度学习实战技能。
-
科研参考：作为深度学习的案头手册，随时查阅算法细节和代码实现。
数据统计
相关导航
