系统化深度学习章节
从引言和预备知识开始，逐步学习线性神经网络、多层感知机、卷积神经网络、循环神经网络、注意力机制和 Transformer。
《动手学深度学习》
动手学深度学习《动手学深度学习》是一部面向中文读者的深度学习教科书与在线文档，围绕预备知识、神经网络、计算机视觉和自然语言处理等主题，使用文字、公式、图示与代码展开讲解。每一小节都配有可运行的 Jupyter 记事本，便于修改代码和超参数并获得实践反馈。
- 16
- 主要章节
- 4
- 在线实现框架：PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle
- 200+
- 社区贡献者
- 500+
- 用于教学的大学
从概念理解到代码实践
内容按章节组织，覆盖深度学习基础、经典模型、优化算法、计算性能、计算机视觉和自然语言处理，并提供从零开始实现与简洁实现等示例。
从零开始实现模型
多个章节同时提供从零开始实现与简洁实现，帮助读者理解模型结构、训练过程和相关算法。
覆盖计算机视觉
讲解图像增广、微调、目标检测、语义分割、转置卷积、风格迁移及相关实践内容。
覆盖自然语言处理
涵盖文本预处理、语言模型、词嵌入、BERT、情感分析和自然语言推断等主题。
可运行的 Jupyter 记事本
每一小节都配有可运行的 Jupyter 记事本，读者可以修改代码和超参数进行交互式学习。
在线版内容动态
以下内容来自网站公开页面中的公告与版本说明。
第二版在线内容新增 PaddlePaddle 实现
网站公告说明第二版在线内容新增 PaddlePaddle 实现，并提供 PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle 相关实现。
第二版纸质书已上架
网站公告说明《动手学深度学习（PyTorch版）》第二版纸质书已在京东和当当上架，纸质书内容与在线版大致相同。
文档、课程与代码入口
通过在线文档、课程、Jupyter 记事本和开源代码仓库继续学习与实践。
从这里开始使用《动手学深度学习》。
NETWORK
