课程根据知名开源项目 Dive into Deep Learning 改编。课程将原实验的代码都使用 PyTorch 库来完成而非原内容自封装库。此外，课程针对深度学习的部分配置了云主机环境，保证可以在线上环境顺利完成学习。因中文版权限制，课程以开源英文内容提供。

整个课程目前分为 6 个部分：

• 第一部分：会简单介绍 PyTorch 的使用和一些学习深度学习基础的数学知识。
• 第二部分：会应用之前学到的知识，从零开始实现线性回归和分类问题，同时也会使用 PyTorch 中的高级 API 进行实现。
• 第三部分：会接触深度神经网络，会实现多层感知机，以及学习什么是过拟合，以及如何进行处理。
• 第四部分：会介绍如何使用 PyTorch 搭建深度模型，更进一步对 PyTorch 进行说明。
• 第五部分：介绍卷积网络的相关知识，包括卷积层的基础知识，池化层。最后会实现 LeNet。
• 第六部分：关注前沿的卷积网络，会讲到最新的卷积网络残差网络 ResNet，稠密连接网络 DenseNet 的实现。

整个课程的安排从易到难，所有理论模型都有对应的代码可以亲自动手实践，可以更加深入浅出的学习深度学习的知识。

先学课程

• Python3 简明教程
• PyTorch 深度学习基础入门

版权声明

• 课程改编自 Dive into Deep Learning 开源项目，该项目使用 CC BY-SA 4.0 协议分发。在原 LICENSE 的许可范围内，我们修改了部分代码以适配蓝桥云课在线环境。改编之后的 Jupyter Notebook 源文件存放于开源仓库：https://github.com/lanqiao-courses/d2l-en