d2l-ai/d2l-en
GitHub: d2l-ai/d2l-en
一本面向全球的交互式深度学习开源书籍，解决深度学习理论与实践脱节的问题。
Stars: 28665 | Forks: 5029
# D2L.ai：具有多框架代码、数学和讨论的交互式深度学习书籍
[](https://github.com/d2l-ai/d2l-en/actions/workflows/ci.yml)
[书籍网站](https://d2l.ai/) | [加州大学伯克利分校 STAT 157 课程](http://courses.d2l.ai/berkeley-stat-157/index.html)
理解深度学习的最佳方式是边做边学。
这本开源书籍是我们尝试让深度学习变得平易近人所做的努力，向你传授概念、背景和代码。整本书以 Jupyter 笔记本的形式编写，无缝整合了阐述性图表、数学公式和可交互的示例，并附带自包含的代码。
我们的目标是提供一种资源，能够：
1. 免费向所有人开放；
2. 提供足够的技术深度，作为成为应用机器学习科学家的起点；
3. 包含可运行的代码，向读者展示如何在实践中解决问题；
4. 允许我们以及广大社区进行快速更新；
5. 辅以一个论坛，用于对技术细节进行互动讨论并解答问题。
## 使用 D2L 的大学
```
@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}
}
```
## 认可与评价
## 许可证说明
这本开源书籍在 [知识共享署名-相同方式共享 4.0 国际许可协议](LICENSE) 下发布。请参见 [LICENSE](LICENSE) 文件。
本书中的示例和参考代码在修改后的 MIT 许可协议下发布。请参见 [LICENSE-SAMPLECODE](LICENSE-SAMPLECODE) 文件。
[中文版](https://github.com/d2l-ai/d2l-zh) | [讨论与反馈问题](https://discuss.d2l.ai/) | [行为准则](CODE_OF_CONDUCT.md)
标签：500所大学, 70个国家, Jupyter 笔记本, SEO: 交互式深度学习, SEO: 多框架代码, SEO: 深度学习书籍, 凭据扫描, 剑桥大学, 可运行代码, 哈佛大学, 在线教育, 多框架代码, 实践教学, 开源书籍, 快速更新, 技术栈: Jupyter, 技术栈: Python, 技术栈: 多语言框架, 数学推导, 斯坦福, 机器学习科学家, 深度学习的交互式学习, 讨论社区, 逆向工具, 领域: 人工智能, 领域: 教育, 高校教学, 麻省理工学院
