d2l.ai翻译站点

Dive into Deep Learning《动手学深度学习》官方站，交互式开源教材，每节配可运行 Jupyter；覆盖线性模型、CNN、RNN、注意力/Transformer、优化、多卡训练、CV/NLP预训练与强化学习，被70+国家500+大学采用。

产品概述

d2l.ai 把数学、代码、图示、讨论合一：每章先讲直觉与公式，再给从零实现和框架简洁实现，读者改超参、换数据、看训练曲线即时反馈。 框架侧中文第二版提供 PyTorch、NumPy/MXNet、TensorFlow、PaddlePaddle 四套实现， 国际站另列 PyTorch/MXNet 笔记本、JAX 版本与 SageMaker Studio Lab 免费运行选项； 基础环境可用本地、Colab、Kaggle、SageMaker 起 notebook。内容从数据操作、自动微分、线性/Softmax/MLP，到 LeNet/AlexNet/ResNet、LSTM/GRU、Transformer/BERT、目标检测/分割、语言模型预训练，再到多GPU、参数服务器、强化学习、高斯过程，配套 d2l 工具库封装数据加载、训练循环与可视化。 教学侧提供伯克利 Stat 157 等课程大纲、幻灯片、作业与视频，中文版有B站/YouTube讲课、人民邮电出版 PyTorch 纸书，高校可直接拿课件教学。 对导航站，它是“系统学深度学习”的知识入口，不提供新闻、不提供按量推理API。

核心特点

• 交互式教材：每节 Jupyter 可跑，从零实现+框架实现对照，理论不脱离代码
• 多框架并行：PyTorch/TensorFlow/MXNet/飞桨四套，国际站补JAX，方便对比与迁移
• 体系完整：线代/概率/自动微分打底，CNN/RNN/Attention/Transformer/BERT/RL逐层推进
• 教学验证强：70+国家500+大学采用，附课件、作业、课程视频，适合作教材或自学主线
• 零成本上手：Colab/Kaggle/SageMaker Studio Lab 直接开 notebook，早期章节CPU可跑
• 工具库减负：d2l 封装数据、训练、绘图、评估，教学示例更短，聚焦模型思路
• 中英双语与开源：zh.d2l.ai 与 d2l.ai 同步，GitHub d2l-ai 多语言仓库、社区200+贡献者