beordle / d2l-zh

《动手学深度学习》:面向中文读者、能运行、可讨论。中英文版被全球175所大学采用教学。

Home Page:http://zh.d2l.ai

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

动手学深度学习(Dive into Deep Learning,D2L.ai)

Build Status

第一版:zh.D2L.ai | 第二版预览版:zh-v2.D2L.ai | 安装和使用书中源代码:第一版 第二版 | 当前版本: v2.0.0-alpha0

理解深度学习的最佳方法是学以致用。

本开源项目代表了我们的一种尝试:我们将教给读者概念、背景知识和代码;我们将在同一个地方阐述剖析问题所需的批判性思维、解决问题所需的数学知识,以及实现解决方案所需的工程技能。

我们的目标是创建一个为实现以下目标的统一资源:

  1. 所有人均可在网上免费获取;
  2. 提供足够的技术深度,从而帮助读者实际成为深度学习应用科学家:既理解数学原理,又能够实现并不断改进方法;
  3. 包含可运行的代码,为读者展示如何在实际中解决问题。这样不仅直接将数学公式对应成实际代码,而且可以修改代码、观察结果并及时获取经验;
  4. 允许我们和整个社区不断快速迭代内容,从而紧跟仍在高速发展的深度学习领域;
  5. 由包含有关技术细节问答的论坛作为补充,使大家可以相互答疑并交换经验。
将本书(中英文版)用作教材或参考书的大学

如果本书对你有帮助,请Star (★) 本仓库或引用本书的英文版:

@book{zhang2020dive,
    title={Dive into Deep Learning},
    author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
    note={\url{https://d2l.ai}},
    year={2020}
}

本书的第二版

虽然纸质书第一版已经出版,但深度学习领域依然在迅速发展。为了得到来自更广泛的英文开源社区的帮助,从而提升本书质量,本书的第二版正在用英文写。英文版正不断被搬回中文版中。

目前,英文版已超过160节(中文版共96节),例如增加了理论背景(如优化收敛分析)、硬件设计(如参数服务器)、全新篇章(如注意力机制、推荐系统、深度学习的数学、生成对抗网络)、应用种类(如自然语言推理)、模型种类(如Transformer、BERT)等,并优化重组了大量章节(如将自然语言处理篇章按从预训练表征、到模型设计、再到下游应用重构)。

欢迎关注本书第二版的英文开源项目

中英文教学资源

加州大学伯克利分校 2019 年春学期 Introduction to Deep Learning 课程教材(同时提供含教学视频地址的中文版课件)。

学术界推荐

"Dive into this book if you want to dive into deep learning!"

— 韩家炜,ACM 院士、IEEE 院士,美国伊利诺伊大学香槟分校计算机系 Michael Aiken Chair 教授

"This is a highly welcome addition to the machine learning literature."

— Bernhard Schölkopf,ACM 院士、德国国家科学院院士,德国马克斯•普朗克研究所智能系统院院长

"书中代码可谓‘所学即所用’。"

— 周志华,ACM 院士、IEEE 院士、AAAS 院士,南京大学计算机科学与技术系主任

"这本书可以帮助深度学习实践者快速提升自己的能力。"

— 张潼,ASA 院士、IMS 院士,香港科技大学计算机系和数学系教授

工业界推荐

"一本优秀的深度学习教材,值得任何想了解深度学习何以引爆人工智能革命的人关注。"

— 黄仁勋,NVIDIA创始人 & CEO

"《动手学深度学习》是最适合工业界研发工程师学习的。我毫无保留地向广大的读者们强烈推荐。"

— 余凯,地平线公司创始人 & CEO

"强烈推荐这本书!我特别赞赏这种手脑一体的学习方式。"

— 漆远,蚂蚁金服副总裁、首席AI科学家

"《动手学深度学习》是一本很容易让学习者上瘾的书。"

— 沈强,将门创投创始合伙人

贡献

感谢社区贡献者们为每一位读者改进这本开源书。

如何贡献 | 致谢 | 讨论或报告问题 | 其他

About

《动手学深度学习》:面向中文读者、能运行、可讨论。中英文版被全球175所大学采用教学。

http://zh.d2l.ai

License:Apache License 2.0


Languages

Language:Python 61.3%Language:TeX 20.0%Language:HTML 18.4%Language:Shell 0.4%