PyTorch版《动手学深度学习》开源，最美DL书遇上最赞DL框架

2019 年 9 月 22 日 极市平台

加入极市专业CV交流群，与6000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！更有机会与李开复老师等大牛群内互动！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号，回复 加群，立刻申请入群~

转自机器之心，已获得授权，不得二次转载

项目作者：ShusenTang

参与：思

想要入门最前沿的深度学习，想要玩最常见的深度学习框架？那就用 PyTorch 版的《动手学深度学习》吧，零基础也能入门 DL。

李沐等人的开源中文书《动手学深度学习》现在有 PyTorch 版实现了。不论是原书中的示例代码，还是实战项目，原来的 MXNet 都可以无缝转化到 PyTorch 代码。项目作者在保持原书内容基本不变的情况下，将 MXNet 代码都转换为了 PyTorch，想要学习 DL 和 PyTorch 的小伙伴们可以试试啊。

项目地址：https://github.com/ShusenTang/Dive-into-DL-PyTorch

近年来，不论是计算机专业的学生，还是已在科技互联网行业从业多年的技术人员和其他从业者，人们对深度学习的兴趣从未如此高涨。但是，由于语言等因素，中文版本的优秀深度学习教材也是凤毛麟角。

之前，亚马逊首席科学家李沐等人曾以电子版的形式在 GitHub 上开源了一本深度学习中文书籍——《动手学深度学习》，这是一本深度学习的入门教程类书籍。其英文版被 UC 伯克利「深度学习导论（STAT 157）」课程采用，2019 年李沐等在教授深度学习课程时也使用了这本教程。

中文版开源地址：https://github.com/d2l-ai/d2l-zh

目前，该项目在 GitHub 上已获得超过 1.1 万星，并且中文版电子书还发布了纸质版书籍。不过虽然书籍非常优秀，但还是有一些读者不太习惯用 Gluon 来写代码，毕竟开源项目大部分都是 TF 或 PyTorch 写的。现在好了，我们可以直接结合书籍内容和 PyTorch 框架，更深入地理解 DL。

项目怎么样

项目作者表示，该仓库主要包含 code 和 docs 两个文件夹。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，它也是基于 PyTorch 的。

由于原书内容使用的是 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。如下所示为 docs 目录下的文档，它一共包含十章，大部分内容已经非常完整了，即 1-8 章和第 10 章，只有第 9 章计算机视觉还在继续补全中。

其实新项目的内容结构与组织方式和原书是一样的，上面展示的 docs 目录主要可以分为三部分：基础知识（1-3 章）、现代深度学习技术（4-6 章）、计算性能与应用（7-10）。如下所示为全书不同章节的主题与依赖关系，箭头表示上一章有助于理解下一章。

除了内容，另一大部分就是实战代码了，随书代码基本都转化为了 PyTorch，它如同原书一样也是用 Jupyter Notebook 写的，这样更好地展示代码与文字解释。因为 GitHub 加载 Jupyter Notebook 挺慢的，所以最好还是下到本地查阅。

最后，《动手学深度学习》与 PyTorch 也是非常好的搭档，也就是说我们不需要任何机器学习或深度学习背景知识，只需要了解基本数学与 Python 编程就可以了。

从MXNet到PyTorch

这样看起来可能不太直观，我们可以通过两个案例看看原版《动手学深度学习》随书代码和 PyTorch 版之间的区别。如果我们抽取使用循环神经网络构建语言模型的分布代码，就能看看原版 Gluon 和新版 PyTorch 之间的区别。

如下是原书采用 RNN 建模语言模型的部分代码（原书 6.5 章），我们主要抽取了模型定义部分：

如上可以改写为对应的 PyTorch 代码，它们的风格虽然都非常简洁，但还是有一些不同的。

-End-

*延伸阅读

添加极市小助手微信（ID : cv-mart），备注：研究方向-姓名-学校/公司-城市（如：目标检测-小极-北大-深圳），即可申请加入目标检测、目标跟踪、人脸、工业检测、医学影像、三维&SLAM、图像分割等极市技术交流群，更有每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流，一起来让思想之光照的更远吧~