《动手学深度学习》 — 动手学深度学习 2.0.0 documentation

《动手学深度学习》网站是面向中文读者的可运行、可讨论的深度学习在线教科书平台，当前呈现第二版内容（支持跳转至第一版）。网站以“能运行代码、可互动讨论”为核心特色，覆盖PyTorch、NumPy/MXNet、TensorFlow及PaddlePaddle多框架实现，被全球70多个国家的500多所大学用作教学材料。

内容体系
网站内容涵盖深度学习从基础到应用的全流程，结构清晰且层次分明：
基础准备：包含前言、安装指南（环境配置）、符号说明，以及预备知识章节——覆盖数据操作（NDArray）、数据预处理（Pandas）、线性代数、微积分、自动微分、概率、API查找等内容，为深度学习学习打下数学与工具基础。
核心模型与算法：从线性神经网络（线性回归、softmax回归）、多层感知机（过拟合处理、权重衰减、Dropout、反向传播），到卷积神经网络（LeNet、AlexNet、VGG、ResNet、DenseNet）、循环神经网络（RNN、GRU、LSTM、seq2seq）、注意力机制（Bahdanau注意力、多头注意力、Transformer），再到优化算法（梯度下降、SGD、Adam、学习率调度）、计算性能优化（多GPU训练、异步计算、自动并行），逐步深入深度学习核心技术。
应用场景：覆盖计算机视觉（图像增强、目标检测、语义分割、风格迁移）、自然语言处理（词嵌入、BERT预训练、情感分析、自然语言推理）等实际领域，包含Kaggle竞赛实战（如房价预测、CIFAR10图像分类、狗品种识别）。
工具附录：提供Jupyter Notebook使用指南、Amazon SageMaker/EC2部署教程、服务器与GPU选择建议、`d2l` API文档等，解决实践中的环境与工具问题。

实践与互动特色
可运行的Jupyter Notebook：每个小节对应可修改、可运行的代码notebook，支持本地环境运行（需按安装指南配置），或通过亚马逊SageMaker Studio Lab、Google Colab等云平台在线运行。读者可调整参数、修改代码并实时查看结果，积累实战经验。
理论与实践结合：内容采用“公式+图示+代码”三位一体的呈现方式——用公式讲解模型原理（如线性回归的损失函数推导）、用图示展示流程（如Transformer的注意力机制结构）、用代码演示实现（如手动实现RNN、用框架简洁实现ResNet），兼顾理论深度与实践操作。
社区互动支持：每个章节末尾提供社区讨论链接，读者可与全球数千名学习者交流问题、分享经验。

资源与支持
配套资源：提供课件、作业、教学视频（Bilibili有PyTorch版系列视频，Youtube有早期版本视频），并关联伯克利大学“深度学习导论”课程大纲及中文课件。
纸质书与开源：第二版纸质书可在京东、当当等平台购买（分黑白平装版与全彩精装版）；网站内容同步开源至GitHub（中文项目`d2lzh`、英文项目`d2len`），读者可实时获取最新更新或参与内容贡献。
作者与团队：由亚马逊学者Aston Zhang、Zachary C. Lipton、Mu Li、Alexander J. Smola等领衔撰写，第二版章节优化及框架适配由多位亚马逊、谷歌、百度工程师参与，另有200多位社区贡献者参与内容完善。

框架支持
网站内容覆盖多深度学习框架的实现，读者可根据需求选择PyTorch、NumPy/MXNet、TensorFlow或PaddlePaddle版本的代码示例，满足不同框架的学习与实践需求。