李沐大神《動手學(xué)深度學(xué)習(xí)》中文版發(fā)布了！與當(dāng)前其它深度學(xué)習(xí)教科書相比，本教科書更加注重交互式的學(xué)習(xí)體驗。新智元值此之際，與人民郵電出版社合作開展免費贈書活動！

深度學(xué)習(xí)在短短幾年之內(nèi)便讓世界大吃一驚。

它非常有力地推動了計算機視覺、自然語言處理、自動語音識別、強化學(xué)習(xí)和統(tǒng)計建模等多個領(lǐng)域的快速發(fā)展。

隨著這些領(lǐng)域的不斷進步，人們現(xiàn)在可以制造自動駕駛的汽車，基于短信、郵件甚至電話的自動回復(fù)系統(tǒng)，以及在圍棋中擊敗最優(yōu)秀人類選手的軟件。這些由深度學(xué)習(xí)帶來的新工具也正產(chǎn)生著廣泛的影響。

與此同時，深度學(xué)習(xí)也給它的使用者們帶來了獨一無二的挑戰(zhàn)：任何單一的應(yīng)用都匯集了各學(xué)科的知識。

具體來說，應(yīng)用深度學(xué)習(xí)需要同時理解：

問題的動機和特點；

將大量不同類型神經(jīng)網(wǎng)絡(luò)層通過特定方式組合在一起的模型背后的數(shù)學(xué)原理；

在原始數(shù)據(jù)上擬合極復(fù)雜的深層模型的優(yōu)化算法；

有效訓(xùn)練模型、避免數(shù)值計算陷阱以及充分利用硬件性能所需的工程技能；

為解決方案挑選合適的變量（超參數(shù)）組合的經(jīng)驗。

這就為讀者學(xué)習(xí)深度學(xué)習(xí)(尤其是在選擇學(xué)習(xí)書目的過程中)帶來了一定的挑戰(zhàn)。

近期，由MXNet創(chuàng)始人李沐大神、Aston Zhang等人所著的交互式深度學(xué)習(xí)書籍《動手學(xué)深度學(xué)習(xí)》出版了！

相信很多人早在去年年底便已拜讀過這本書的在線預(yù)覽版。而此次出版、線上出售的是中文版教科書！

新智元值此之際，非常榮幸與人民郵電出版社合作開展贈書活動，回饋新智元新老讀者——免費贈送10本《動手學(xué)深度學(xué)習(xí)》！

(具體活動參與、贈送方式見文末)

為什么要選擇《動手學(xué)深度學(xué)習(xí)》？

目前市面上有關(guān)深度學(xué)習(xí)介紹的書籍大多可分兩類，一類側(cè)重方法介紹，另一類側(cè)重實踐和深度學(xué)習(xí)工具的介紹。

本書同時覆蓋方法和實踐

本書不僅從數(shù)學(xué)的角度闡述深度學(xué)習(xí)的技術(shù)與應(yīng)用，還包含可運行的代碼，為讀者展示如何在實際中解決問題。

為了給讀者提供一種交互式的學(xué)習(xí)體驗，《動手學(xué)深度學(xué)習(xí)》不但提供免費的教學(xué)視頻和討論區(qū)，而且提供可運行的Jupyter記事本文件，充分利用Jupyter記事本能將文字、代碼、公式和圖像統(tǒng)一起來的優(yōu)勢。

這樣不僅直接將數(shù)學(xué)公式對應(yīng)成實際代碼，而且可以修改代碼、觀察結(jié)果并及時獲取經(jīng)驗，從而帶給讀者全新的、交互式的深度學(xué)習(xí)的學(xué)習(xí)體驗。

適合哪些人群閱讀？

本書面向希望了解深度學(xué)習(xí)，特別是對實際使用深度學(xué)習(xí)感興趣的大學(xué)生、工程師和研究人員。

本書不要求讀者有任何深度學(xué)習(xí)或者機器學(xué)習(xí)的背景知識，讀者只需具備基本的數(shù)學(xué)和編程知識，如基礎(chǔ)的線性代數(shù)、微分、概率及Python編程知識。

本書的附錄中提供了書中涉及的主要數(shù)學(xué)知識，供讀者參考。

與其它深度學(xué)習(xí)教科書相比，有何獨具匠心的特點？

目前，一些有關(guān)深度學(xué)習(xí)的教科書不斷問世，那么《動手學(xué)深度學(xué)習(xí)》與這些教科書有何區(qū)別呢？

與Goodfellow《深度學(xué)習(xí)》相比

在近期不斷問世的深度學(xué)習(xí)教科書中，最為著名的要數(shù)Goodfellow、Bengio和Courville的《深度學(xué)習(xí)》。該書梳理了深度學(xué)習(xí)背后的眾多概念與方法，是一本極為優(yōu)秀的教材。

然而，這類資源并沒有將概念描述與實際代碼相結(jié)合，以至于有時會令讀者對如何實現(xiàn)它們感到毫無頭緒。

與吳恩達的深度學(xué)習(xí)課程相比

在知乎中，李沐老師表達了與吳恩達的深度學(xué)習(xí)課程相比的區(qū)別：

我們不僅介紹深度學(xué)習(xí)模型，而且提供簡單易懂的代碼實現(xiàn)。我們不是通過幻燈片來講解，而是通過解讀代碼，實際動手調(diào)參數(shù)和跑實驗來學(xué)習(xí)。

我們使用中文。不管是教材、直播，還是論壇。(雖然在美國呆了5至6年，事實上我仍然對一邊聽懂各式口音的英文一邊理解內(nèi)容很費解)。

Andrew的課程目前免費版本只能看視頻，而我們不僅僅直播教學(xué)，而且提供練習(xí)題，提供大家交流的論壇，并鼓勵大家在GitHub上參與到課程的改進。希望能與大家更近距離的進行交流。

除了這些以外，商業(yè)課程提供者們雖然制作了眾多的優(yōu)質(zhì)資源，但它們的付費門檻依然令不少用戶望而生畏。

包含代碼、數(shù)學(xué)、網(wǎng)頁、討論的統(tǒng)一資源

我們在2017年7月啟動了寫作這本書的項目。當(dāng)時我們需要向用戶解釋Apache MXNet在那時的新接口Gluon。不幸的是，我們并沒有找到任何一個資源可以同時滿足以下幾點需求：

包含較新的方法和應(yīng)用，并不斷更新；

廣泛覆蓋現(xiàn)代深度學(xué)習(xí)技術(shù)并具有一定的技術(shù)深度；

既是嚴謹?shù)慕炭茣?，又是包含可運行代碼的生動的教程。

那時，我們在博客和GitHub上找到了大量的演示特定深度學(xué)習(xí)框架（例如用TensorFlow進行數(shù)值計算）或?qū)崿F(xiàn)特定模型（例如AlexNet、ResNet等）的示例代碼。這些示例代碼的一大價值在于提供了教科書或論文往往省略的實現(xiàn)細節(jié)，比如數(shù)據(jù)的處理和運算的高效率實現(xiàn)。如果不了解這些，即使能將算法倒背如流，也難以將算法應(yīng)用到自己的項目中去。此外，這些示例代碼還使得用戶能通過觀察修改代碼所導(dǎo)致的結(jié)果變化而快速驗證想法、積累經(jīng)驗。因此，我們堅信動手實踐對于學(xué)習(xí)深度學(xué)習(xí)的重要性。然而可惜的是，這些示例代碼通常側(cè)重于如何實現(xiàn)給定的方法，卻忽略了有關(guān)算法設(shè)計的探究或者實現(xiàn)細節(jié)的解釋。雖然在像Distill這樣的網(wǎng)站和某些博客上出現(xiàn)了一些有關(guān)算法設(shè)計和實現(xiàn)細節(jié)的討論，但它們常常缺少示例代碼，并通常僅覆蓋深度學(xué)習(xí)的一小部分。

另外，我們欣喜地看到了一些有關(guān)深度學(xué)習(xí)的教科書不斷問世，其中最著名的要數(shù)Goodfellow、Bengio和Courville的《深度學(xué)習(xí)》。該書梳理了深度學(xué)習(xí)背后的眾多概念與方法，是一本極為優(yōu)秀的教材。然而，這類資源并沒有將概念描述與實際代碼相結(jié)合，以至于有時會令讀者對如何實現(xiàn)它們感到毫無頭緒。除了這些以外，商業(yè)課程提供者們雖然制作了眾多的優(yōu)質(zhì)資源，但它們的付費門檻依然令不少用戶望而生畏。

正因為這樣，深度學(xué)習(xí)用戶，尤其是初學(xué)者，往往不得不參考來源不同的多種資料。例如，通過教科書或者論文來掌握算法及其相關(guān)數(shù)學(xué)知識，閱讀線上文檔學(xué)習(xí)深度學(xué)習(xí)框架的使用方法，然后尋找感興趣的算法在這個框架上的實現(xiàn)并摸索如何將它應(yīng)用到自己的項目中去。如果你正親身經(jīng)歷這一過程，你可能會感到痛苦：不同來源的資料有時難以相互一一對應(yīng)，即便能夠?qū)?yīng)也可能需要花費大量的精力。例如，我們需要將某篇論文公式中的數(shù)學(xué)變量與某段網(wǎng)上實現(xiàn)中的程序變量一一對應(yīng)，并在代碼中找到論文可能沒交代清楚的實現(xiàn)細節(jié)，甚至要為運行不同的代碼安裝不同的運行環(huán)境。

針對以上存在的痛點，我們正在著手創(chuàng)建一個為實現(xiàn)以下目標的統(tǒng)一資源：

所有人均可在網(wǎng)上免費獲?。?/p>

提供足夠的技術(shù)深度，從而幫助讀者實際成為深度學(xué)習(xí)應(yīng)用科學(xué)家：既理解數(shù)學(xué)原理，又能夠?qū)崿F(xiàn)并不斷改進方法；

包含可運行的代碼，為讀者展示如何在實際中解決問題。這樣不僅直接將數(shù)學(xué)公式對應(yīng)成實際代碼，而且可以修改代碼、觀察結(jié)果并及時獲取經(jīng)驗；

允許我們和整個社區(qū)不斷快速迭代內(nèi)容，從而緊跟仍在高速發(fā)展的深度學(xué)習(xí)領(lǐng)域；

由包含有關(guān)技術(shù)細節(jié)問答的論壇作為補充，使大家可以相互答疑并交換經(jīng)驗。

這些目標往往互有沖突：公式、定理和引用最容易通過LaTeX進行管理和展示，代碼自然應(yīng)該用簡單易懂的Python描述，而網(wǎng)頁本身應(yīng)該是一堆HTML及配套的CSS和JavaScript。此外，我們希望這個資源可以作為可執(zhí)行代碼、實體書以及網(wǎng)站。然而，目前并沒有任何工具可以完美地滿足以上所有需求。

因此，我們不得不自己來集成這樣的一個工作流。我們決定在GitHub上分享源代碼并允許提交編輯，通過Jupyter記事本來整合代碼、公式、文本、圖片等，使用Sphinx作為渲染引擎來生成不同格式的輸出，并使用Discourse作為論壇。雖然我們的系統(tǒng)尚未完善，但這些選擇在互有沖突的目標之間取得了較好的折中。這很可能是使用這種集成工作流發(fā)布的第一本書。

名家推薦

來自學(xué)術(shù)界

這是一本及時且引人入勝的書。它不僅提供了深度學(xué)習(xí)原理的全面概述，還提供了具有編程代碼的詳細算法，此外，還提供了計算機視覺和自然語言處理中有關(guān)深度學(xué)習(xí)的最新介紹。如果你想鉆研深度學(xué)習(xí)，請研讀這本書！

——韓家煒，ACM 院士、IEEE 院士、美國伊利諾伊大學(xué)香檳分校計算機系A(chǔ)bel Bliss教授

這是對機器學(xué)習(xí)文獻的一個很受歡迎的補充，重點是通過集成Jupyter 記事本實現(xiàn)的動手經(jīng)驗。深度學(xué)習(xí)的學(xué)生應(yīng)該能體會到，這對于熟練掌握這一領(lǐng)域是非常寶貴的。

——Bernhard Sch?lkopf，ACM 院士、德國國家科學(xué)院院士、德國馬克斯? 普朗克研究所智能系統(tǒng)院院長

這本書基于MXNet 框架來介紹深度學(xué)習(xí)技術(shù)，書中代碼可謂“所學(xué)即所用”，為喜歡通過Python 代碼進行學(xué)習(xí)的讀者了解、接觸深度學(xué)習(xí)技術(shù)提供了很大的便利。

——周志華，ACM 院士、IEEE 院士、AAAS 院士、南京大學(xué)計算機科學(xué)與技術(shù)系主任

這是一本基于Apache MXNet 的深度學(xué)習(xí)實戰(zhàn)書籍，可以幫助讀者快速上手并掌握使用深度學(xué)習(xí)工具的基本技能。本書的幾個作者都在機器學(xué)習(xí)領(lǐng)域有著非常豐富的經(jīng)驗。他們不光有大量的工業(yè)界實踐經(jīng)驗，也有非常高的學(xué)術(shù)成就，所以對機器學(xué)習(xí)領(lǐng)域的前沿算法理解深刻。這使得作者們在提供優(yōu)質(zhì)代碼的同時，也可以把最前沿的算法和概念深入淺出地介紹給讀者。這本書可以幫助深度學(xué)習(xí)實踐者快速提升自己的能力。

——張潼，香港科技大學(xué)計算機科學(xué)與數(shù)學(xué)教授

來自工業(yè)界

雖然業(yè)界已經(jīng)有不錯的深度學(xué)習(xí)方面的書籍，但都不夠緊密結(jié)合工業(yè)界的應(yīng)用實踐。 我認為《動手學(xué)深度學(xué)習(xí)》是最適合工業(yè)界研發(fā)工程師學(xué)習(xí)的，因為這本書把算法理論、應(yīng)用場景、代碼實例都完美地聯(lián)系在一起，引導(dǎo)讀者把理論學(xué)習(xí)和應(yīng)用實踐緊密結(jié)合，知行合一，在動手中學(xué)習(xí)，在體會和領(lǐng)會中不斷深化對深度學(xué)習(xí)的理解。 因此我毫無保留地向廣大的讀者強烈推薦《動手學(xué)深度學(xué)習(xí)》。

——余凱，地平線公司創(chuàng)始人、首席執(zhí)行官

強烈推薦這本書！它其實遠不只是一本書：它不僅講解深度學(xué)習(xí)背后的數(shù)學(xué)原理，更是一個編程工作臺與記事本，讓讀者可以一邊動手學(xué)習(xí)一邊收到反饋，它還是個開源社區(qū)平臺，讓大家可以交流。作為在AI 學(xué)術(shù)界和工業(yè)界都長期工作過的人，我特別贊賞這種手腦一體的學(xué)習(xí)方式，既能增強實踐能力，又可以在解決問題中鍛煉獨立思考和批判性思維。

作者們是算法工程兼強的業(yè)界翹楚，他們能奉獻出這樣的一本好的開源書，為他們點贊!

——漆遠，螞蟻金服副總裁、首席人工智能科學(xué)家

作者簡介

阿斯頓·張（Aston Zhang）

亞馬遜應(yīng)用科學(xué)家，美國伊利諾伊大學(xué)香檳分校計算機科學(xué)博士，統(tǒng)計學(xué)和計算機科學(xué)雙碩士。他專注于機器學(xué)習(xí)的研究，并在數(shù)個頂級學(xué)術(shù)會議發(fā)表過論文。他擔(dān)任過NeurIPS、ICML、KDD、WWW、WSDM、SIGIR、AAAI 等學(xué)術(shù)會議的程序委員或?qū)徃迦艘约癋rontiers in Big Data 期刊的編委。

李沐（Mu Li）

亞馬遜首席科學(xué)家（Principal Scientist），加州大學(xué)伯克利分?？妥斫淌?，美國卡內(nèi)基梅隆大學(xué)計算機系博士。他專注于分布式系統(tǒng)和機器學(xué)習(xí)算法的研究。他是深度學(xué)習(xí)框架MXNet 的作者之一。他曾任機器學(xué)習(xí)創(chuàng)業(yè)公司Marianas Labs 的CTO 和百度深度學(xué)習(xí)研究院的主任研發(fā)架構(gòu)師。他在理論、機器學(xué)習(xí)、應(yīng)用和操作系統(tǒng)等多個領(lǐng)域的頂級學(xué)術(shù)會議（包括FOCS、ICML、NeurIPS、AISTATS、CVPR、KDD 、WSDM、OSDI）上發(fā)表過論文。

[德] 亞歷山大 J. 斯莫拉（Alexander J. Smola）

亞馬遜副總裁/ 杰出科學(xué)家，德國柏林工業(yè)大學(xué)計算機科學(xué)博士。他曾在澳大利亞國立大學(xué)、美國加州大學(xué)伯克利分校和卡內(nèi)基梅隆大學(xué)任教。他發(fā)表了超過200 篇學(xué)術(shù)論文，并著有5 本書，其論文及書被引用超過10 萬次。他的研究興趣包括深度學(xué)習(xí)、貝葉斯非參數(shù)、核方法、統(tǒng)計建模和可擴展算法。

[美] 扎卡里 C. 立頓（Zachary C. Lipton）

亞馬遜副總裁/ 杰出科學(xué)家，德國柏林工業(yè)大學(xué)計算機科學(xué)博士。他曾在澳大利亞國立大學(xué)、美國加州大學(xué)伯克利分校和卡內(nèi)基梅隆大學(xué)任教。他發(fā)表了超過200 篇學(xué)術(shù)論文，并著有5 本書，其論文及書被引用超過10 萬次。他的研究興趣包括深度學(xué)習(xí)、貝葉斯非參數(shù)、核方法、統(tǒng)計建模和可擴展算法。