| 基本信息 | 详情 |
|---|---|
| 开发公司 | 阿斯顿·张、扎卡里·立顿、李沐、亚历山大·斯莫拉（均为亚马逊研究员/CMU教授） |
| 上线时间 | 2017年（第一版），2022年（第二版 PyTorch 版） |
| 官网 | https://zh.d2l.ai/ |
| 支持平台 | 网页端（在线 Jupyter Notebook）；支持 PyTorch / TensorFlow / PaddlePaddle / MXNet |
| 价格 | 在线版完全免费（CC 协议）；纸质版约 80-120 元 |
| 核心定位 | 面向中文读者的能运行、可讨论的深度学习交互式教科书 |
《动手学深度学习》是一本能跑代码的教科书。你可能觉得这没什么稀奇，但2017年它刚上线的时候，市面上绝大多数深度学习教材还停留在"公式推导+伪代码"的阶段。李沐和他的团队做的事情很简单：把每个知识点变成一个可以运行的 Jupyter Notebook，你改个参数就能看到结果变化。
四位作者都来头不小。李沐是亚马逊资深首席科学家，CMU 博士，师从 Alex Smola 和 Dave Andersen；扎卡里·立顿在卡内基梅隆大学任教；阿斯顿·张和 Alex Smola 也都是亚马逊研究员。但这本书的定位很平民化--不要求你先啃完微积分和线性代数，高中数学加 Python 基础就能跟着走。
这本书目前被全球 70 多个国家的 500 多所大学采用为教材或参考书，名单里有哈佛、MIT、斯坦福、CMU、康奈尔这些名校，也有大量普通院校。在国内 AI 学习圈，它和吴恩达的深度学习专项课几乎人手一份。
核心功能
交互式 Jupyter Notebook
全书每一小节都是一个可以运行的 Notebook。你可以在网页上直接跑代码，也可以下载到本地或丢到 Google Colab / Amazon SageMaker Studio Lab 上运行。改超参数、换数据集、加可视化，全部即时反馈。这是它和传统纸书最大的区别。
多框架实现
第二版同时提供 PyTorch、TensorFlow、PaddlePaddle（飞桨）和 NumPy/MXNet 四套实现。你可以对比同一个模型在不同框架里的写法差异。实际操作中我们建议跟 PyTorch 版走，工业界用得最多。
系统化内容覆盖
从线性回归、多层感知机起步，经过卷积神经网络、循环神经网络、注意力机制和 Transformer，一直讲到优化算法、计算性能（多 GPU 训练、参数服务器）、计算机视觉（目标检测、语义分割、风格迁移）和自然语言处理（word2vec、GloVe、BERT 预训练和微调）。15 章的体量，覆盖了深度学习从入门到前沿的完整路径。
公式 + 图示 + 代码三位一体
每个概念都同时用数学公式、可视化图示和可运行代码三种方式呈现。不是简单堆砌，而是互相印证。你看到 Adam 优化器的公式后，紧接着就是一段从零实现的代码，把公式翻译成可运行的逻辑。
配套视频课程
李沐在 B 站有基于本书 PyTorch 版的完整教学视频，播放量以百万计。视频和书本内容同步，看书卡住的时候可以切换到视频听讲解。对中文母语者来说，这比看吴恩达课程加机翻字幕舒服太多。
开源社区
GitHub 上有 200 多位贡献者参与维护，discuss.d2l.ai 是讨论社区。你可以在每章末尾找到讨论链接，和数千名学习者一起交流。内容持续更新，不是写完就不管了。
适合谁
适合： 有 Python 基础、想系统学深度学习的本科生和研究生。想从理论走向代码实战的工程师。需要一本中文参考书辅助英文课程学习的人。打算用 PyTorch 做项目、需要一本靠谱的案头手册的开发者。
不适合： 零编程基础的人--你需要先学 Python。只想了解 AI 概念不想写代码的人--这本书的代码密度很高，不敲代码等于浪费一半内容。需要证书或学分认证的人--D2L 是开放教材，不发证书。纯粹的理论研究者--这本书刻意压低了数学深度，重度理论需求应该看 Goodfellow 的《Deep Learning》。
同类竞品对比
| 维度 | 动手学深度学习 | fast.ai | 吴恩达深度学习专项课 | 花书（Deep Learning） |
|---|---|---|---|---|
| 语言 | 中文 | 英文 | 英文（有字幕） | 英文 |
| 价格 | 免费 | 免费 | 免费旁听，证书收费 | 约 200 元 |
| 教学方式 | 公式+图+代码 | 自上而下实践 | 视频为主 | 纯理论 |
| 框架支持 | PyTorch/TensorFlow/飞桨/MXNet | fastai 库 | TensorFlow | 无代码 |
| 证书 | 无 | 无 | 有（付费） | 无 |
| 适合人群 | 中文学习者、系统性学习 | 开发者快速上手 | 零基础入门 | 理论研究者 |
论中文资源和代码实战的平衡，D2L 是目前最好的选择。fast.ai 的实践性更强但英语门槛不低。吴恩达适合零基础打宏观认知，花书适合补理论。
FAQ
《动手学深度学习》真的免费吗？
在线版完全免费，采用 CC BY-SA 4.0 协议。你可以在线阅读、下载代码、在 Colab 上运行，全部不花钱。纸质版在京东和当当有售，定价约 80-120 元，内容与在线版基本一致但排版更规范。
需要什么基础才能学？
Python 编程基础是必须的。数学方面，高中水平的线性代数和微积分概念够用--书里会讲解需要的数学知识，不会假设你已经学过大学数学课。如果你完全没碰过编程，先学 Python 再来。
跟 PyTorch 还是 MXNet 版本？
强烈建议跟 PyTorch 版。第二版已经把 PyTorch 作为主要框架，工业界使用率最高。MXNet 版本主要保留给第一版的老用户。TensorFlow 和飞桨版看你的具体需求。
和吴恩达的课选哪个？
两个不冲突。零基础先看吴恩达建立宏观认知，再用 D2L 补代码实战。如果只选一个，中文母语者且有一定编程基础，直接上 D2L 效率更高。李沐全程中文讲解，不存在翻译质量问题。
有配套视频吗？
有。B 站搜索"李沐 动手学深度学习"，有完整的 PyTorch 版教学视频，和书本章节一一对应。视频是对书本内容的补充讲解，不是替代品。
学完能做什么？
学完你掌握了从线性回归到 BERT 的完整知识链。你可以独立实现 CNN、RNN、Transformer，做图像分类、目标检测、情感分析、机器翻译等任务。但距离做研究或者搞定前沿大模型，还需要补充更多论文阅读和工程实践。
更新动态
客户评论
综合评分：4.8 / 5（基于社区反馈和多个评测平台汇总）
"我把这本书配合李沐的 B 站视频刷了一遍。最爽的是每一节都能直接跑代码，改个超参数立刻看到效果，这种反馈循环对学新东西太重要了。之前看花书看了三章就放弃了，全是公式没有代码，记不住。" - 知乎用户评测
"作为本科生教材用过，学生反馈比之前用的英文教材好太多。中文讲解+可运行代码降低了大量门槛，讨论区也活跃。唯一的问题是有些章节代码更新后和书里截图对不上，但 GitHub 上会及时修。" - 高校教师反馈
"说实话有些地方对纯新手还是偏难。环境配置劝退了几个同学，李沐的视频节奏也比较快，暂停回放是常态。但坚持下来的人确实收获很大，这就是一本需要动手才有价值的书。" - CSDN 技术博客评测
参考来源
- ▸D2L 中文官网 | 动手学深度学习, 本书官方网站，包含完整在线内容、作者介绍和运行环境指南
- ▸D2L 英文官网 | Dive into Deep Learning, 英文版官方网站，内容和中文版同步更新
- ▸D2L GitHub 开源项目 | d2l-ai/d2l-zh, 本书中文版开源仓库，200+ 社区贡献者参与维护
- ▸CSDN | 李沐的《动手学深度学习》怎么样？值得看吗？, CSDN 开发者社区对 D2L 的系统性评测，含优劣势分析和适合人群判断
- ▸什么值得买 | AI学习圈人手一份的吴恩达和李沐，到底跟谁不后悔？, 消费者评测平台汇总 46 位作者对 D2L 与吴恩达课程的对比分析
- ▸FindMoreAI | D2L.ai, AI 工具评测平台对 D2L 的功能介绍、流量分析和优缺点总结
- ▸CSDN | 李沐+AutoDL深度学习环境配置实战指南, CSDN 开发者社区关于使用 AutoDL 云算力配合 D2L 课程的实战指南