动手学深度学习

《动手学深度学习》是一本开源教材，作者包括 Aston Zhang、Zachary Lipton、李沐与 Alex Smola，中文版以在线文档形式免费开放。它最大的特点是每个概念都配可运行代码：同一节往往给出「从零实现」与「简洁实现」两版，读者能看清公式是怎样落成张量运算的，而不是只记住一个 API 调用。

核心能力

• 全书在线免费：以 2.0.0 文档形式发布，提供中文与英文版本，源码在 GitHub 上公开，可对照阅读与提交修订；官方还提供配套课程与视频资源，可配合章节进度观看。
• 多框架支持：页面可在 MXNet 与 PyTorch 之间切换，每节都给出 Jupyter 笔记本版本，方便边读边跑。
• 完整知识脉络：从数据操作、线性代数、微积分等预备知识开始，到线性神经网络、多层感知机、卷积网络、循环网络、注意力机制与优化算法，再到计算机视觉与自然语言处理。
• 双版本实现：每个模型既有从零手写的版本，也有调用框架的简洁版本，前者讲清原理，后者对应工程实践。
• 实战章节：包含 Kaggle 房价预测、CIFAR-10 图像分类、狗的品种识别等完整比赛流程，覆盖数据预处理到提交。
• 工具附录：讲解 Jupyter 使用、云服务器与 GPU 选择、多 GPU 训练等工程细节。

适合谁

• 本科生与研究生：课程之外需要一本能跑通的教材。
• 转行做算法的人：有编程基础，但没系统学过深度学习；自学转岗的人：没有课程安排，需要一条从入门到进阶的固定路线。
• 算法工程师：想补齐反向传播、优化器这些底层原理。
• 高校教师：需要现成的讲义结构、代码与习题。
• 做实验的研究者：要一个可复现的基线实现。

使用建议

• 按章节顺序读：后面的模型默认你已经掌握前面的张量操作与求导，跳读容易卡住；做笔记而不是划线：每章结束后用自己的话写一遍模型结构与本节的坑，比收藏代码更有用。
• 代码一定要跑：先跑简洁实现看结果，再回头读从零实现，理解会快很多。
• 先配环境再开始：本地有显卡就用本地，没有就按附录开云实例，别在装环境上耗掉热情。
• 公式别跳过：看似繁琐的推导决定了你后面调参时知不知道自己在改什么。
• 注意版本对应：教材版本、框架版本与代码仓库要对齐，遇到报错先查版本而不是改代码；中英对照：术语翻译有差异时，切到英文版对照原文，读论文会更顺。