人工智能的《动手学深度学习》开源了

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

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

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。

人工智能的定义可以分为两部分，即“ 人工”和“ 智能”。“人工”比较好理解，争议性也不大。有时我们会要考虑什么是人力所能及制造的，或者人自身的智能程度有没有高到可以创造人工智能的地步，等等。但总的来说，“人工系统”就是通常意义下的人工系统。