Dive into Deep Learning zh

Что это такое

d2l-zh — репозиторий китайской версии книги “Dive into Deep Learning”. Это не просто набор статей о нейросетях: идея D2L в том, чтобы объяснять глубокое обучение через работающие фрагменты кода, визуализации, упражнения и постепенное движение от линейной регрессии к современным архитектурам.

Репозиторий d2l-ai/d2l-zh существует на GitHub с 2017 года. В описании проекта указано, что китайская и английская версии используются в университетском обучении в разных странах. Основной язык репозитория — Python, лицензия Apache-2.0.

Что внутри

Внутри — исходники книги, ноутбуки, примеры, материалы для обучения и сайт zh.d2l.ai. Темы репозитория включают deep learning, machine learning, computer vision, natural language processing, notebook и Python. Это хорошо отражает формат: читатель не только читает формулы, но и запускает код.

import torch

x = torch.randn(32, 10)
y = torch.randn(32, 1)
model = torch.nn.Linear(10, 1)
loss = torch.nn.MSELoss()(model(x), y)
loss.backward()

Кому подходит

Проект полезен тем, кто учит глубокое обучение на китайском языке и хочет видеть связь между математикой и кодом. Он также удобен преподавателям: можно брать главы, ноутбуки и упражнения как основу для курса, семинара или самостоятельной программы.

Для русскоязычного читателя d2l-zh интересен еще и как пример сильного открытого учебника: структура, живые примеры, перевод, сообщество и отдельный сайт делают материал устойчивее, чем один PDF-файл.

Сильные стороны и ограничения

Сильная сторона D2L — обучение через действие. Глубокое обучение сложно понять только по определениям; книга заставляет запускать код, менять параметры и видеть, как поведение модели связано с формулами.

Ограничение — скорость изменения области. Конкретные библиотеки, ускорители и лучшие практики обучения моделей меняются быстрее, чем учебник. Поэтому D2L хорош как фундамент, но для боевых моделей, новых архитектур и аппаратных оптимизаций нужны свежие документы библиотек и статьи.