首发于gluon
《动手学深度学习》新增PyTorch实现

《动手学深度学习》新增PyTorch实现

动手学深度学习》自一年前发布以来广受欢迎。我们也没意料到即使所有内容都提供了免费的网页和PDF版,仍然有大量读者购买实体书。实体版曾一度在计算机类新书里排名前三。在这里特别感谢大家的支持。

在过去一年里我们主要关注在英文版的开发,包括了19年年初我们在伯克利用本书作为教材教授深度学习,之后我们重构了代码,改成了基于大家更喜爱的Numpy接口。同时我们不断改进和加入新的内容,包括全新的深度学习数学、推荐系统、生成对抗网络,并重写了自然语言处理,加入包括BERT在内的新进展。目前的英文版已经长达一千页。

17年左右我们开始这个项目,一开始是作为MXNet文档开始的。随着不断的迭代我们慢慢的将它写成了一本结合算法、图示和代码的深度学习教材。目前为止,我们知道至少有85所大学使用它作为教材。美国学校包括CMU(面向研究生的10-701,授课老师是Tom Mitchell。这门课是我不仅上过也做过助教),Stanford(李飞飞老师开的传奇的cs231n),Berkeley,MIT等多所知名学校。国内也可以数出很多名字:清华,北大,浙大,复旦,上交。在GTC前,Nvidia创始人Jensen Huang特意写了推荐语:“Dive into Deep Learning is an excellent text on deep learning and deserves attention from anyone who wants to learn why deep learning has ignited the AI revolution”

随着影响力变大,我们感到责任越来越大。我们的目标也从“为MXNet写个好文档”变成“让更多人能容易学习并使用深度学习技术”。今天我们朝这个目标迈出了重要的一步:我们为本书的前7章,从线性模型到现代卷积神经网络,提供基于PyTorch的实现。本书网址在

Dive into Deep Learningd2l.ai图标

大家可以前往对应章节的网页,点击任意Pytorch的标签栏就可以完成转换。

同之前一样,每个章节就是一个可执行的Jupyter记事本。不仅可以本地执行,同时很方便在云上使用GPU运行。例如在AWS中国新上线的SageMaker

或者Google Colab(梯子自备)

最后,动手学深度学习是一个开源项目,项目在

https://github.com/d2l-ai/d2l-engithub.com

欢迎小伙伴参与贡献或点赞。这次PyTorch的翻译也是来自社区的贡献:来自IIT Roorkee的团队翻译了一个版本 github.com/dsgiitr/d2l-,之后我们一起合作将代码合并到了主干。

常见问题:

  • PyTorch版本是独立的项目吗?在源文件层面不同的实现是在同一个文件,通过tag区分开。文字部分基本是共享。
  • 中文版什么时候出?在英文版定稿后(希望是年底?)我们会组织翻译中文。
  • 有TensorFlow版吗?PyTorch都来了,TF还会远吗?
  • 你们放弃MXNet了吗?虽然你经常黑MXNet,但我们还是爱你,希望给你学习深度学习带来方便。

编辑于 06-05

文章被以下专栏收录