重磅|深度学习神书《动手学深度学习》集齐TensorFlow、PyTorch和MXNet三大框架

喜欢就关注 AIZOO 我们吧!

大家好,我是小算农。昨天,亚马逊的李沐大佬在知乎发文,《动手学深度学习》这本书的例子开始支持TensorFlow了(已经支持到第七章),当前该书的例子终于在MXNet之外开始官方支持PyTorch和TensorFlow两大主流深度学习框架了。

大家只需要在公众号回复“动手”或者“动手学深度学习”两个字既可获得下载链接。

AIZOO 在折腾的这半年的时间里,非常开心大家能关注 AIZOO,其实,在我们建立的几个 AI 技术交流群里,应该有一半是在校学生或者想学习深度学习技术的工程师。每次他们问该如何入门深度学习(尤其是目标检测),基本上我们都会给他推荐《动手学深度学习》这本书,因为这本书的确是入门神书,不仅写的通俗易懂,更重要的是给了大量可运行的例子,可以说是入门+实战的神书。不过美中不足的是,早期这本书的例子是MXNet写的,现在,李沐大佬在知乎发文,现在支持PyTorchTensorFlow两大主流框架的例子了。

李沐大佬还透露了一个小插曲,星期二的晚上10点,李沐团队给谷歌大脑的负责人Jeff Dean发邮件说,我们准备开始加入TF2.0实现了,但2.0的API改动很大,感觉完全不会用了。Jeff 10分钟后回信说:“我已经帮你找了人来帮忙了”。

不得不感叹,大佬的圈子就是这么小,人脉就是这么强大。

下图是D2L官方的通告,里面特意@了JeffDean大神。

下面,我们谈谈为啥这本书比较适合初学者入门和实战。





《动手学深度学习》好在哪里


众所周知,提起机器学习和深度学习,大家更常提起的是周志华老师的西瓜书《机器学习》和被号称为圣经的《深度学习》(也被称为花书)。其实,深度学习对于大部分偏向应用的算法工程师来说,更多的是在搞懂基本理论以后,如果快速的学会一门深度学习框架,然后高效率的训练模型,用算法解决问题;真正研究底层的深度学习理论的人比例非常小。

这时候,如果我们只看了花书《深度学习》或者其他的深度学习书以后,我们空有一副理论,此时还是不知道该如何动手调包写模型、如何炼丹。但是,《动手学深度学习》这本书在介绍概念的同时,同时给出了可运行的代码例子,方便大家从入门到实战。例如下边这个,在讲解目标检测中非常核心的anchor的概念的同时,会给出可运行的例子,让大家直观的学习到anchor的生成和作用。

当然,现在PyTorch、TensorFlow、Keras、MXNet等众多框架的example给的都非常全。对于一个简单的图像分类问题,大家很容易看看官方给的例子就懂了;另外,图像分割也并不是太复杂;最复杂的是目标检测(其实目标检测是CV工业界应用最广泛的算法之一),尤其是对于初学者,anchor是什么如何给anchor分配标签如何计算loss,这些东西虽然也不是太难,但对于初学者来说,很容易被搞的云里雾里(没错,我就是这么过来的,当时anchor的作用让小算农晕了好多天)。直到有一天,笔者看到这本书计算机视觉那一章,才算是彻底搞懂了。这里不得不说,这本书写的是真通俗易懂(面向小白)。

现在,该书可以在网页阅读时,直接切换PyTorch、TensorFlow和MXNet三大框架的代码例子,如下图所示。





这本书的起源


按照李沐大佬在知乎的文章,这本书的初衷是作为MXNet的文档来写的,没想到写出来以后,大家对他的热度这么高,Github上已经有大佬搞出来了TensorFlow和PyTorch的民间版本。

17年左右我们开始这个项目,一开始是作为MXNet文档开始的。随着不断的迭代我们慢慢的将它写成了一本结合算法、图示和代码的深度学习教材。目前为止,我们知道至少有85所大学使用它作为教材。美国学校包括CMU(面向研究生的10-701,授课老师是Tom Mitchell。这门课是我不仅上过也做过助教),Stanford(李飞飞老师开的传奇的cs231n),Berkeley,MIT等多所知名学校。国内也可以数出很多名字:清华,北大,浙大,复旦,上交。

                                                                                               --李沐

在GTC前,Nvidia创始人老黄(Jensen Huang)特意为该书写了推荐语:“Dive into Deep Learning is an excellent text on deep learning and deserves attention from anyone who wants to learn why deep learning has ignited the AI revolution”。(《动手学深度学习》是深度学习领域杰出的图书,值得每一个想知道深度学习为何引发AI革命人去学习和关注。--小算农翻译)

这本书是完全开源的,笔者记得李沐团队也放弃了对该书的版权。虽然该书是开源的,但是实体书销量仍然很高。据李沐大佬在知乎所说,该书一度排计算机新书的销量前三名。

下面,笔者将这本书的诸多资料地址列一下,方便大家查看。

这本书是实时更新的,作者团队是用英文写的,然后翻译成中文。目前英文版的进度远快于中文版,英文版已经有19章,中文版只有11章。

英文版地址:http://d2l.ai/index.html

中文版地址:http://zh.gluon.ai/index.html

Github地址:https://github.com/d2l-ai/d2l-en

非官方TensorFlow2版本:

Github:https://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0

网页版:https://trickygo.github.io/Dive-into-DL-TensorFlow2.0/#/

非官方PyTorch版:

Github:https://github.com/ShusenTang/Dive-into-DL-PyTorch

网页版:http://tangshusen.me/Dive-into-DL-PyTorch/#/

为方便大家下载,笔者将中英文版本的PDF版本和源代码打包下载,大家只需要在公众号回复“动手”或者“动手学深度学习”两个字既可获得下载链接。

祝大家炼丹快乐~

本文完,撒花~

往期推荐

都2020年了,在校学生还值得继续转行搞AI吗

应届算法岗,选择巨头还是AI明星创业公司

2020年代,中国AI创业公司将走向何方

AIZOO,打造中国最大的深度学习和人工智能社区,欢迎关注我们,也欢迎添加下方小助手的微信,邀请您加入我们的千人深度学习爱好者社区。

欢迎扫描下方的二维码添加小助手微信,邀请您加入我们的微信交流群。

群里有多位清北复交、BAT、AI独角兽大牛和众多深度学习er在一起愉快的交流技术,有任何问题,都可以咨询大家,欢迎你的加入哦。

 添加小助手微信,邀您进AIZOO技术交流群

好文!点在看,实在不行点个赞~

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值