本项目将《动手学深度学习》 原书中MXNet代码实现改为PyTorch实现。原书作者：阿斯顿·张、李沐、扎卡里 C. 立顿、亚历山大 J. 斯莫拉以及其他社区贡献者，GitHub地址：https://github.com/d2l-ai/d2l-zh
此书的中英版本存在一些不同，针对此书英文版的PyTorch重构可参考这个项目。 There are some differences between the Chinese and English versions of this book. For the PyTorch modifying of the English version, you can refer to this repo.
本仓库主要包含code和docs两个文件夹（外加一些数据存放在data中）。其中code文件夹就是每章相关jupyter notebook代码（基于PyTorch）；docs文件夹就是markdown格式的《动手学深度学习》书中的相关内容，然后利用docsify将网页文档部署到GitHub Pages上，由于原书使用的是MXNet框架，所以docs内容可能与原书略有不同，但是整体内容是一样的。欢迎对本项目做出贡献或提出issue。
本项目面向对深度学习感兴趣，尤其是想使用PyTorch进行深度学习的童鞋。本项目并不要求你有任何深度学习或者机器学习的背景知识，你只需了解基础的数学和编程，如基础的线性代数、微分和概率，以及基础的Python编程。
本仓库包含一些latex公式，但github的markdown原生是不支持公式显示的，而docs文件夹已经利用docsify被部署到了GitHub Pages上，所以查看文档最简便的方法就是直接访问本项目网页版。当然如果你还想跑一下运行相关代码的话还是得把本项目clone下来，然后运行code文件夹下相关代码。
你还可以在本地访问文档，先安装docsify-cli工具:
npm i docsify-cli -g然后将本项目clone到本地:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch然后运行一个本地服务器，这样就可以很方便的在http://localhost:3000实时访问文档网页渲染效果。
docsify serve docs如果你不想安装docsify-cli工具，甚至你的电脑上都没有安装Node.js，而出于某些原因你又想在本地浏览文档，那么你可以在docker容器中运行网页服务。
首先将本项目clone到本地:
git clone https://github.com/ShusenTang/Dive-into-DL-PyTorch.git
cd Dive-into-DL-PyTorch之后使用如下命令创建一个名称为「d2dl」的docker镜像：
docker build -t d2dl .镜像创建好后，运行如下命令创建一个新的容器：
docker run -dp 3000:3000 d2dl最后在浏览器中打开这个地址http://localhost:3000/#/，就能愉快地访问文档了。适合那些不想在电脑上装太多工具的小伙伴。
- 简介
- 阅读指南
- 1. 深度学习简介
- 2. 预备知识
- 3. 深度学习基础
- 4. 深度学习计算
- 5. 卷积神经网络
- 6. 循环神经网络
- 7. 优化算法
- 8. 计算性能
- 9. 计算机视觉
- 9.7 单发多框检测（SSD）
- 9.10 全卷积网络（FCN）
- 9.12 实战Kaggle比赛：图像分类（CIFAR-10）
- 9.13 实战Kaggle比赛：狗的品种识别（ImageNet Dogs）
- 10. 自然语言处理
持续更新中......
中文版：动手学深度学习 | Github仓库
English Version: Dive into Deep Learning | Github Repo
如果您在研究中使用了这个项目请引用原书:
@book{zhang2019dive,
title={Dive into Deep Learning},
author={Aston Zhang and Zachary C. Lipton and Mu Li and Alexander J. Smola},
note={\url{http://www.d2l.ai}},
year={2020}
}