---
title: source-d2l-zh-pytorch
tags:
  - source-summary
  - deep-learning
  - machine-learning
  - pytorch
type: source
source: raw/Documents/d2l-zh-pytorch
author: D2L Developers
date: 2026-04-27
url: https://d2l.ai
created: 2026-04-27
updated: 2026-04-27
---

# source-d2l-zh-pytorch

> [!abstract]
> `raw/Documents/d2l-zh-pytorch/` 是《动手学深度学习》的 PyTorch 版本源码型教材目录。它不是单篇 OCR 文本，而是一套按章节组织的 `ipynb` 教材、示例代码和参考文献集合，适合作为 [[机器学习基础]] 与 [[深度学习]] 的系统化补充来源。

## 来源定位

- 入口文件 `index.ipynb` 明确给出全书目录，覆盖预备知识、线性网络、多层感知机、卷积网络、循环网络、注意力机制、优化、计算性能、计算机视觉、NLP 预训练与 NLP 应用。
- `chapter_attention-mechanisms/index.ipynb` 等章节索引说明该来源并非零散笔记，而是按主题完整组织的教程型教材。
- `setup.py` 表明这套资料围绕 `d2l` 包和 PyTorch 教学环境组织，偏“可运行示例 + 概念解释 + 章节练习”。
- `d2l.bib` 汇集了大量经典论文与教材引用，可作为后续扩展概念页、论文精读页时的参考入口。

## 适合补充的主题

- [[机器学习基础]]：可补强从线性模型、多层感知机到训练流程的连续学习路径。
- [[深度学习]]：可补强 CNN、RNN、注意力机制、Transformer、优化策略、工程性能与应用章节。
- [[Transformer]]、[[注意力机制]]、[[ResNet]] 等现有概念页：后续精读时可以从这里补入更系统的教学解释和代码视角。

## 当前不做的事

- 不把整套 `ipynb` 逐章改写成大量低价值摘要页。
- 不管理其 `img/` 下图片资源，也不把图片纳入本次知识库维护提交。
- 不把它当成唯一来源；它是现有 Joplin 笔记和 OCR 书籍之外的一套系统化补充。

## 来源入口

- [[raw/Documents/d2l-zh-pytorch/index.ipynb]]
- [[raw/Documents/d2l-zh-pytorch/chapter_attention-mechanisms/index.ipynb]]
- [[raw/Documents/d2l-zh-pytorch/setup.py]]
- [[raw/Documents/d2l-zh-pytorch/d2l.bib]]

## 相关页面

- [[Documents资料库]]
- [[机器学习基础]]
- [[深度学习]]
- [[Transformer]]
- [[注意力机制]]