关键知识
- 动手实现线性回归、多层感知机等基础模型并理解训练过程
- 理解卷积网络、循环网络与注意力机制的基本结构
- 读懂并修改 PyTorch 版本的训练代码
前置知识
Python;线性代数与概率基础。 访问说明:国内可直接访问;运行 Notebook 需要本地 Python 环境,部分章节建议使用 GPU。
建议练习
运行“线性回归的从零开始实现”一节,把学习率分别改成原值的 10 倍和十分之一,记录损失的变化,并用一段话解释原因。
依据与出处
编辑整理,依据已获取的简介或片段。请结合原始资料核对技术细节。
上下文实操:让 AI 接着做项目,减少忘记约定和乱补信息
用一段会议记录建立工作记忆,练习筛选材料、保留冲突、换会话交接与输入预算,附完整提示和可运行预算示例。
打开站内手册 →来源与内容说明
李沐、Aston Zhang 等(D2L) · 李沐、Aston Zhang 等(D2L)
保留作者与原始链接,第三方资料的权利属于原作者。
收录:2026年10月19日
核对原始资料待核验公开版本 1
适用范围:2026-10-09 核对:第二版文档版本 2.0.0(2023 年纸书);GitHub d2l-ai/d2l-zh 最近提交 2023-08-18。属于经典仍推荐的教材。
人工核验:尚无核验记录