《动手学深度学习》是面向中文读者的深度学习教科书，由阿斯顿·张、扎卡里 C. 立顿、李沐和亚历山大 J. 斯莫拉等作者编写，当前页面为第二版在线内容。它把深度学习中的文字说明、数学公式、图示和代码放在同一套章节中，既讲解模型与算法，也提供从零开始的实现和真实数据上的交互式学习内容。书中内容包含 PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle 实现，并配有安装、练习、工具和 API 文档等章节。官网还说明，本书中英文版已被全球 70 多个国家的 500 多所大学用于教学。
核心功能
深度学习基础与完整章节体系
目录从前言、安装和符号开始，依次覆盖机器学习引言、预备知识、线性神经网络、多层感知机、深度学习计算、卷积神经网络、循环神经网络、注意力机制和优化算法等内容。后续章节还包括计算性能、计算机视觉、自然语言处理预训练、自然语言处理应用以及深度学习工具。章节中包含线性回归、softmax 回归、模型选择、权重衰减、暂退法、GPU、多 GPU 训练、Transformer、BERT、情感分析和自然语言推断等主题。
公式、图示与代码结合
官网明确提供“公式 + 图示 + 代码”的学习方式。内容不仅用文字、公式和图示阐明深度学习里常用的模型和算法，还使用代码演示如何从零开始实现它们，并使用真实数据提供交互式学习体验。学习者可以在同一章节中接触概念说明、可视化内容和代码示例。
可运行的 Jupyter 记事本
官网说明，每一小节都是可以运行的 Jupyter 记事本。学习者可以自由修改代码和超参数，并获取及时反馈，从而积累深度学习的实战经验。页面列出了本地运行、亚马逊 SageMaker Studio Lab、亚马逊 SageMaker 和谷歌 Colab 等运行方式；目录中还提供“使用 Jupyter Notebook”的工具章节。
多框架实现
第二版内容含 PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle 实现，公告中特别说明第二版在线内容新增 PaddlePaddle 实现。页面还列出了 PyTorch、TensorFlow 和飞桨的框架改编者，因此读者可以根据书中对应内容使用不同深度学习框架学习和运行示例。
社区、课程与教学资源
每个章节末尾提供通往社区的链接，读者可以与社区中的数千名学习者讨论学习。官网公告还列出课件、作业和教学视频等免费资源，包括伯克利“深度学习导论”课程大纲中的相关链接、中文版课件，以及基于本书 PyTorch 版或较早草稿内容的教学视频。项目同时开放中文开源项目和英文开源项目，社区贡献者数量超过 200 位。
使用方式
内容以中文在线教科书形式组织，读者可按目录进入章节，也可以从安装章节开始准备环境。每一小节提供可运行的 Jupyter 记事本，支持本地运行，并列出 SageMaker Studio Lab、SageMaker 和 Colab 等环境。官网正文没有提到注册要求，也没有要求自备模型 Key；正文也未说明统一的导入导出流程。附录包含 Jupyter Notebook、Amazon SageMaker、Amazon EC2、服务器和 GPU 选择，以及 d2l API 文档等工具内容。
适用人群与场景
- 需要系统学习深度学习基础的中文读者，可按照从机器学习引言、预备知识到神经网络和优化算法的章节顺序学习。
- 希望通过代码理解模型的学习者，可运行每一小节的 Jupyter 记事本，修改代码和超参数，并使用真实数据获得反馈。
- 需要在课程中使用深度学习教材的教师和高校，可参考官网列出的课件、作业、教学视频及课程资源；官网称本书已被 500 多所大学用于教学。
- 使用不同深度学习框架进行学习或教学的读者，可在 PyTorch、NumPy/MXNet、TensorFlow 和 PaddlePaddle 实现之间选择相应内容。
定价
官网正文没有标明在线版的具体价格。公告将课件、作业、教学视频等列为“免费资源”；第二版和第一版纸质书则分别说明可在京东、当当等平台购买。在线内容与纸质书内容大致相同，但纸质书会在样式、术语标注、语言表述、用词规范、标点以及图、表、章节索引等方面遵循出版标准和学术规范。
