学深度学习先动手：这本开源教材免费，代码直接能跑

深度学习教材的通病是「公式多、代码少」，看完还是不会写。这本书反过来：每讲一个概念就配一段可运行的代码，在代码里理解原理。

它解决什么问题

理论教材读完不知道如何落地，工程教程又跳过原理，两边接不上。

框架版本变动快，书里的代码跑不起来，学习中断。

核心能力

读这本书的正确姿势：一定要跑代码

这本书的评论区和论坛里，最常见的问题都是「为什么我的结果不一样」——维度对不上、学习率没调对、数据没归一化。这些坑只有自己跑过才会遇到。

建议每章至少亲手跑一遍代码，并故意改几个超参数观察结果变化。对「为什么这样设」的直觉，就是这样练出来的。

同类工具怎么选

谁适合用

• 想入门深度学习的学生与工程师
• 有编程基础但没接触过机器学习的转行者
• 需要系统复习深度学习基础的人

怎么开始

1. 打开 zh.d2l.ai，从「前言」与「预备知识」开始。
2. 准备好 Python 环境（推荐用 Colab 或有 GPU 的云环境）。
3. 每节读完立刻跑对应代码，不要只读不跑。
4. 遇到维度或数值问题，先打印张量形状再排查。
5. 学完基础部分后，挑一个实际数据集做完整练手项目。

常见问题

需要数学基础吗？
需要微积分、线性代数与概率的基本概念，书里有预备章节可补。

必须用 GPU 吗？
前面章节 CPU 也能跑；后面较大的模型建议用 GPU 或云环境。

和《深度学习》花书比呢？
花书理论更完整但偏难；这本书更适合入门与动手，两者互补。

授权与合规

《动手学深度学习》为开源教材，中文版在 zh.d2l.ai 免费在线阅读，配套代码在 GitHub 上公开。 官网：zh.d2l.ai。