d2l_zh 《动手学深度学习》第二版PyTorch版本 运行环境：Google Colab

动手学深度学习（D2L深度学习） | 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分解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。 我们的目标是创造一个为实现以下目标的统一资源： 所有人在网上免费获取； 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； 包括可运行的代码，为读者展示如何在实际中解决问题。这样直接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； 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； 由包含有关技术细节问答的论坛作为补充，使大家可以相互相互答疑并交换经验。 将本书（中英文版）利用教材或参考书的大学 如果本书对你有帮助，请星级（★）本仓库或引用本书英文版： @book{zhang2020dive, title={Dive into Deep Learning}, author={Aston Zhang and Zachary C.

d2l:d2l练习题和练习

d2l火炬 首先感谢《动手学深度学习》的原作者和贡献者为我们提供了一本本极为优秀的书籍。如果您对框架没有特定偏好或需求，不妨尝试MXNet，则极为优秀的深度学习框架。原书地址：http: ，原书视频教程： ， 本书在原书（19年5月20日版本）基础上将所有代码改用PyTorch进行实现，并以注解的形式对部分内容的进行了解释与扩展。因为PyTorch与MXNet在设计上存在不同，对原书部分内容进行了删改。 请按照目录中的顺序阅读学习。 如果您喜欢这本书，请给本项目点个star，并购买原书纸质版支持原作者及贡献者。 项目未来短期内不再更新，如需要计算性能，计算机视觉两章可使用项目 。如有疑问欢

动手学深度学习，是李沐大神讲解，这里面是jupyter notebook文件，它能够使你快速上手深度学习。

动手学深度学习代码jupyter代码（d2l-zh.zip）

MXNet代码实现改为PyTorch实现

深度学习研究小组 关于 在这个免费的在线学习计划中，我们将研究Aston Zhang，Zack C. Lipton，Mu Li和Alex J. Smola的一书。 所有学习课程都是免费的，并且完全免费。所有会话都将被记录并上传到 。 与其他研究组不同，形式（暂定）如下： 各章将提供幻灯片，然后是代码演练 每节课都有一个讨论和问答环节 每次课程结束后，我们将分配与该课程涵盖的材料相对应的实地练习。我们将要求您通过GitHub或Google Colab上传编程解决方案。在下面的完整时间表中找到每个作业的说明。 在每次会议之前，我们将提前提供一份额外的阅读材料清单，这将对下届会议有所帮助。 我们计划举办客座讲座和演讲，为学生提供更多实用价值（TBA） 将有一个最终项目，该项目将分小组进行。小组必须在计划结束时介绍他们的工作。 （更多信息即将推出！） 指示 确保加入我们的Slack组（渠道： ＃d

D2LEventToGoogleCalendar:D2L分配给Google日历

d2l pytorch包 适用于李沐《动手深度学习》pytorch版 包含一些自定义的函数 从mxnet迁移到pytorch的d2l包