# d2l-zh

**Repository Path**: TheAlgorithms/d2l-zh

## Basic Information

- **Project Name**: d2l-zh
- **Description**: 《动手学深度学习》，英文版即伯克利深度学习（STAT 157，2019春）教材。
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 89
- **Forks**: 43
- **Created**: 2019-06-13
- **Last Updated**: 2025-06-22

## Categories & Tags

**Categories**: ebooks-manual, machine-learning

**Tags**: None

## README

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

[第二版：zh.D2L.ai](https://zh.d2l.ai)  | [第一版：zh-v1.D2L.ai](https://zh-v1.d2l.ai/) |  安装和使用书中源代码： [第二版](https://zh.d2l.ai/chapter_installation/index.html) [第一版](https://zh-v1.d2l.ai/chapter_prerequisite/install.html)

<h5 align="center"><i>理解深度学习的最佳方法是学以致用。</i></h5>

<p align="center">
  <img width="200"  src="static/frontpage/_images/eq.jpg">
  <img width="200"  src="static/frontpage/_images/figure.jpg">
  <img width="200"  src="static/frontpage/_images/code.jpg">
  <img width="200"  src="static/frontpage/_images/notebook.gif">
</p>

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；
1. 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；
1. 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；
1. 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；
1. 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。

<h5 align="center">将本书（中英文版）用作教材或参考书的大学</h5>
<p align="center">
  <img width="400"  src="https://d2l.ai/_images/map.png">
</p>

如果本书对你有帮助，请Star (★) 本仓库或引用本书的英文版：

```
@book{zhang2023dive,
    title={Dive into Deep Learning},
    author={Zhang, Aston and Lipton, Zachary C. and Li, Mu and Smola, Alexander J.},
    publisher={Cambridge University Press},
    note={\url{https://D2L.ai}},
    year={2023}
}
```

## 本书的英文版

虽然纸质书已出版，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，本书的新版将继续用英文编写，并搬回中文版。

欢迎关注本书的[英文开源项目](https://github.com/d2l-ai/d2l-en)。

## 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](http://courses.d2l.ai/berkeley-stat-157/index.html)教材（同时提供含教学视频地址的[中文版课件](https://github.com/d2l-ai/berkeley-stat-157/tree/master/slides-zh)）。

## 学术界推荐

> <p>"Dive into this book if you want to dive into deep learning!"</p>
> <b>&mdash; 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</b>

> <p>"This is a highly welcome addition to the machine learning literature."</p>
> <b>&mdash; 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</b>

> <p>"书中代码可谓‘所学即所用’。"</p>
> <b>&mdash; 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</b>

> <p>"这本书可以帮助深度学习实践者快速提升自己的能力。"</p>
> <b>&mdash; 张潼，ASA 院士、IMS 院士，香港科技大学计算机系和数学系教授</b>

## 工业界推荐

> <p>"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。"</p>
> <b>&mdash; 黄仁勋，NVIDIA创始人 & CEO</b>

> <p>"《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。"</p>
> <b>&mdash; 余凯，地平线公司创始人 & CEO</b>

> <p>"强烈推荐这本书！我特别赞赏这种手脑一体的学习方式。"</p>
> <b>&mdash; 漆远，复旦大学“浩清”教授、人工智能创新与产业研究院院长</b>

> <p>"《动手学深度学习》是一本很容易让学习者上瘾的书。"</p>
> <b>&mdash; 沈强，将门创投创始合伙人</b>

## 贡献

感谢[社区贡献者们](https://github.com/d2l-ai/d2l-zh/graphs/contributors)为每一位读者改进这本开源书。

[如何贡献](https://zh.d2l.ai/chapter_appendix-tools-for-deep-learning/contributing.html) | [致谢](https://zh.d2l.ai/chapter_preface/index.html) | [讨论或报告问题](https://discuss.d2l.ai/c/chinese-version/16) | [其他](INFO.md)