动手学深度学习

动手学深度学习 是什么

《动手学深度学习》（Dive into Deep Learning，简称 D2L）是由亚马逊科学家李沐等学术与工业界专家倾力打造的开源深度学习教科书。它独创性地将理论阐述、数学推导与可交互的运行代码（Jupyter Notebook）深度融合，支持 PyTorch、TensorFlow 和 MXNet 等多种主流框架，是全球公认的保姆级、全栈式深度学习入门与进阶圣经。

适合谁

• 高校学生与科研人员：需要扎实的数学与算法理论推导，同时又想通过代码快速验证论文想法的学术探索者。
• 转行或进阶的算法工程师：希望系统性查漏补缺，不满足于只当“调包侠”，想要深入理解底层框架逻辑的技术人员。
• 自学能力强的开发者：习惯通过动手实践（Hands-on）来掌握新技术，且具备一定 Python 和高等数学基础的自律型学习者。

能不能用、怎么用（访问指南）

• 访问地址：中文版官网为 https://zh.d2l.ai/ ；英文版官网为 https://d2l.ai/ 。
• 地区可用性：全球范围内均可自由访问。中国大陆地区无需特殊网络工具即可顺畅流畅阅读与下载，海外用户亦可无缝访问各语种版本。
• 注册：完全无需注册。网站的所有内容（包括网页版图书、PDF、Jupyter Notebook 课件）均公开免费提供。若需在云端运行代码（如使用 Google Colab 或 Kaggle），则需注册对应平台的账号。
• 费用：完全免费。作为开源项目，用户无需支付任何教材或课程费用，代码仓库亦在 GitHub 上开源。
• 语言：支持中文、英文、日文、韩文等多种语言版本。中文版翻译地道，完美适配中文读者的阅读与学习习惯。

跨生态对比：动手学深度学习 vs 同类

维度	动手学深度学习	fast.ai (欧美代表)	飞桨 AI Studio 课程 (中国代表)
教学理念	理论与代码并重，边推导公式边用代码实现底层。	Top-down（自顶向下），先跑通应用培养兴趣，再探究底层原理。	产业实践导向，结合国内企业实际应用场景与案例。
支持框架	PyTorch、TensorFlow、MXNet 多框架并存。	PyTorch（基于其官方 fastai 高阶库封装）。	PaddlePaddle（百度飞桨生态）。
学习门槛	中等。需要一定的线性代数、微积分及 Python 基础。	较低。适合有普通编程经验、想快速上手的开发者。	较低。提供大量开箱即用的中文实战项目和图形化引导。
硬件与算力	需本地配置环境，或自行对接 Colab 等免费云端算力。	推荐使用云端 GPU 平台，有官方推荐的合作算力平台。	提供免费的在线算力（如每日赠送 Tesla V100 算力卡点数）。

选择建议：如果你希望建立扎实的深度学习理论功底，且想灵活掌握 PyTorch 或 TensorFlow 等主流框架的底层原理，《动手学深度学习》是无可替代的首选；如果你是完全的工程实用主义者，想以最快速度做出一个 AI 应用，可以先通过 fast.ai 培养兴趣；如果你受限于本地硬件算力，且主要面向国内产业落地，飞桨 AI Studio 提供的免费在线算力和本土化案例会更适合你。