《動手學深度學習》（Dive into Deep Learning，簡稱 D2L）是面向中文讀者的開源深度學習教材，在 GitHub 累積 81,479 顆星標與 12,421 次 fork，以 Python 撰寫、採用 Apache-2.0 授權，儲存庫於 2017 年 8 月建立。它的核心主張是「理解深度學習的最佳方法是學以致用」，全書程式碼可直接執行，中英文版被七十多個國家、五百多所大學採用為教材或參考書。
動手學深度學習是什麼？
它是一本可運行、可討論的開源深度學習教材，由亞馬遜科學家李沐等人編寫，以 Jupyter notebook 形式發布，全書程式碼可線上執行，數位版永久免費。
《動手學深度學習》的定位是一本「可運行、可討論」的開源教科書。它試圖在單一資源中同時提供三件事：理解問題所需的批判性思維、建立模型所需的數學知識，以及把解法真正落地所需的工程技能。這種安排讓讀者在同一處就能從概念走到實作，減少在教材與程式碼之間反覆切換的成本。
專案由 Aston Zhang、Zachary C. Lipton、李沐與 Alexander J. Smola 共同編寫。紙本由劍橋大學出版社出版，但數位內容以 Apache-2.0 授權在網路上開放，任何人皆可免費取得。教材的目標受眾相當明確：希望既理解數學原理、又能動手實作並持續改進方法的人，而非只想瀏覽概念名詞的讀者。
這個專案的另一項特徵是迭代速度。深度學習領域變化極快，傳統教科書從完稿到出版往往落後於前線技術，而開源形式允許作者與社群同步修正內容、補充新章節，讓教材的更新節奏盡量貼近領域現況。
動手學深度學習包含哪些內容？
全書涵蓋深度學習的數學基礎、多層感知機、卷積網絡、循環網絡、注意力機制與生成模型，並以可執行的 notebook 逐章演示，共分為三大部份。
教材的內容依「基礎、模型、進階」三個層次展開。基礎部分從深度學習的預備知識與線性回歸、Softmax 回歸切入，逐步建立張量運算、自動求導與模型訓練的共通語言。接著是深度學習計算與多層感知機，將前向傳播、反向傳播與數值穩定性等觀念鋪陳完整。
模型部分涵蓋現代深度學習的主力架構，包括卷積神經網絡、現代卷積網絡、循環神經網絡與現代循環網絡。這些章節不只解釋結構，也對應到可直接執行的實作，讓讀者能觀察每個設計選擇對結果的影響。進階部分則集中於注意力機制、Transformer、最佳化演算法與生成模型等主題。
除了模型本身，教材亦處理計算性能與工具鏈等工程面向，並以附錄收錄深度學習工具、數學基礎與練習題。這種由數學推導一路接軌到工程實作的編排，使它在同類教材中顯得完整，也解釋了為何許多課程直接以它作為主教材。
動手學深度學習的技術特色是什麼？
它的技術特色在於把數學公式、文字解釋與可修改的程式碼放在同一頁，讀者能在 notebook 中即時執行並觀察結果，並可自由替換框架與模型。
技術上最鮮明的特點是「同一頁完成三件事」。每一個主題都在同一個地方呈現數學推導、文字解釋與可執行的程式碼，讀者不必在公式與實作之間自行補齊落差。程式碼以 Jupyter notebook 組織，可直接修改參數、觀察輸出，並即時取得經驗回饋，這正是「學以致用」的具體形式。
教材的框架選擇保持彈性。專案同時提供多套深度學習框架的實作對照，讀者可依環境選擇對應版本，而不必被綁定在單一生態。這種做法降低了入門門檻，也讓教材能隨著社群主流框架的更替持續更新。整個專案以 Python 為主要語言，並輔以少量 HTML、TeX 與 Shell 腳本處理文件與建置流程。
維護模式是另一個關鍵。內容由社群共同貢獻與校對，並設有論壇補足技術細節的問答，讓讀者之間可以互相解答與交換經驗。這種由作者與社群共同迭代的結構，使教材在出版之後仍能持續修正錯誤與補充內容。
動手學深度學習如何開始使用？
讀者可在 zh.d2l.ai 線上閱讀，或依安裝章節設定環境後，以 Jupyter notebook 在本機執行書中程式碼，亦可於雲端環境直接開啟各章 notebook。
入門路徑相當直接。讀者可在官方網站線上閱讀全書，也可依安裝章節的說明在本地設定環境，再以 Jupyter notebook 逐章執行範例。對於不想在本地安裝依賴的使用者，各章 notebook 亦可在雲端環境開啟，省去環境配置的前置工作。專案同時保留第一版與第二版的入口，方便不同課程沿用既有教材。
安裝與執行章節說明了套件安裝、資料下載與 notebook 啟動方式，並提供中文版與英文版對照。這種把環境準備也納入教材範圍的做法，讓初學者不必在正文之外另尋設定教學。對教師而言，這也降低了課程備課的工程負擔。
動手學深度學習對教育與產業有什麼影響？
它被七十多個國家、五百多所大學列為教材或參考書，並獲多位院士與產業領袖推薦，已成為中文深度學習教育的主要入口之一。
在教育層面，這本教材的覆蓋範圍相當廣。中英文版被七十多個國家、五百多所大學採用為教材或參考書，加州大學柏克萊分校的深度學習入門課程亦曾以它作為教材，並提供中文版課件。這使它成為許多學習者接觸深度學習時的第一本系統性讀物。
學界的推薦陣容也反映其定位。ACM 院士韓家煒、德國馬克斯普朗克研究所的 Bernhard Schölkopf、南京大學周志華與香港科技大學張潼等學者，都曾公開評價這本教材在數學與實作之間取得的平衡。這些背書說明它並非單純的入門導讀，而是具備足夠技術深度的教學資源。
產業界的評價同樣明確。NVIDIA 創辦人黃仁勳、地平線創辦人余凱與復旦大學漆遠等人均曾推薦，特別強調它對工程師的實用性。對企業內部培訓而言，這種「可以照著動手做」的教材形式，往往比純理論講義更容易轉化為實際能力。
動手學深度學習的統計數據與授權條件為何？
專案累積 81,479 顆星標、12,421 次 fork，以 Python 為主要語言並採 Apache-2.0 授權，於 2017 年 8 月建立，最新發布為 2.0.0 版。
授權方面，專案採用 Apache-2.0 條款，允許商業使用、修改與再散布，僅需保留版權聲明與變更說明，對教學機構與企業內部培訓都相對友善。儲存庫以 Python 為主要語言，程式碼與文件分別以 notebook 與標記語言維護。專案的建置與文件產出另以 Shell 腳本輔助，整體結構保持清晰。
發布節奏反映其長期維護取向。第二版正式發布後，內容仍持續以社群協作方式更新，讀者可透過貢獻指南參與校對與補充。這種開放治理讓教材的生命週期不侷限於單次出版，而能隨著領域演進調整。
出處連結有哪些？
本文資訊整理自 d2l-ai/d2l-zh 的 GitHub 儲存庫與官方網站，涵蓋專案定位、內容結構、技術特色、生態影響與授權條件。
- GitHub 儲存庫：https://github.com/d2l-ai/d2l-zh
- 中文版線上閱讀：https://zh.d2l.ai
- 英文版開源專案：https://github.com/d2l-ai/d2l-en
- 第二版教材網站：https://zh-v2.d2l.ai
- Apache-2.0 授權條款：https://github.com/d2l-ai/d2l-zh/blob/master/LICENSE
總結：動手學深度學習適合什麼讀者？
它適合想同時掌握數學原理與實作能力的學習者與課程教師；若僅需快速認識深度學習概念，或偏好純理論推導，則未必是最直接的選擇。
這本教材的價值在於把「理解」與「動手」放回同一個平面上。對需要建立完整知識體系、並希望每一章都能實際跑起來的學習者而言，它提供了一條低成本、無授權障礙的路徑；對課程教師而言，它則是一份可直接改編的開放教材。Apache-2.0 授權與長期社群維護，進一步降低了採用風險。
不過，它並非適合所有人。教材的技術深度相當紮實，對完全沒有程式與數學基礎的讀者，前置門檻會比一般導讀類內容高；而只想快速瀏覽名詞定義的人，也可能覺得進度偏慢。選擇的關鍵在於學習目標：若目標是真正能實作模型，這本教材的投入會轉化為可累積的能力。