Need help with Dive-into-DL-PyTorch?
Click the “chat” button below for chat support from the developer who created it, or find similar developers for support.

About the developer

ShusenTang
11.3K Stars 3.7K Forks Apache License 2.0 241 Commits 65 Opened issues

Description

本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。

Services available

!
?

Need anything else?

Contributors list

No Data

封面

本项目《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.

简介

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。

面向人群

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。

食用方法

方法一

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。

方法二

你还可以在本地访问文档,先安装

docsify-cli
工具:
shell
npm i docsify-cli -g
然后将本项目clone到本地:
shell
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。
shell
docsify serve docs

方法三

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:

shell
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:
shell
docker build -t d2dl .
镜像创建好后,运行如下命令创建一个新的容器:
shell
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。

目录

持续更新中......

原书地址

中文版:动手学深度学习 | Github仓库
English Version: Dive into Deep Learning | Github Repo

引用

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}
}

We use cookies. If you continue to browse the site, you agree to the use of cookies. For more information on our use of cookies please see our Privacy Policy.