书籍翻译项目“深入浅出深度学习”

• 越南语版：https://d2l.aivivn.com/
• 英语版：https://www.d2l.ai/

与翻译小组讨论

您可以在**这里**发起新的讨论。

术语表

请在**这里**查阅本翻译小组使用的术语。

致谢

在项目实施过程中，我们得到了社区的诸多帮助、支持与指导；怀着深深的感激之情，我们谨向所有为本项目作出贡献的人士致以诚挚的谢意，无论其贡献大小。

社区的具体贡献已完整列出于**这里**。

维护者

• 段武维清 @duythanhvn
• 武友贴 @tiepvupsu

许可证

本书采用**知识共享 署名-相同方式共享 4.0 国际许可协议授权。书中的示例代码及参考资料则采用MIT 许可证**授权，并已进行相应更新。

d2l-vi 快速上手指南

d2l-vi 是经典深度学习教材《Dive into Deep Learning》的越南语翻译项目。虽然其核心内容为越南语，但其代码实现与英文版（d2l-en）完全一致，基于 Apache MXNet、PyTorch、TensorFlow 或 JAX 框架。中国开发者可利用该项目获取多语言视角的代码实现参考。

环境准备

本项目主要依赖 Python 环境及对应的深度学习框架。推荐使用 Python 3.8+。

前置依赖：

• Git
• Python 3.8 或更高版本
• pip 或 conda 包管理工具
• 推荐的深度学习框架（任选其一）：
  • PyTorch (推荐)
  • Apache MXNet
  • TensorFlow 2.x
  • JAX

国内加速建议：在安装 Python 依赖时，建议使用清华大学或阿里云镜像源以提升下载速度。

• 清华源：https://pypi.tuna.tsinghua.edu.cn/simple
• 阿里源：https://mirrors.aliyun.com/pypi/simple/

安装步骤

1. 克隆项目仓库

首先从 GitHub 拉取最新代码：

git clone https://github.com/mlbvn/d2l-vn.git
cd d2l-vn

2. 安装依赖库

根据你选择的深度学习框架安装相应依赖。以下以 PyTorch 为例（其他框架请参考项目根目录下的 requirements.txt 或对应文件夹）：

使用 pip 安装（推荐国内镜像）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

手动安装 PyTorch 及相关组件（若 requirements 未包含特定版本）：

pip install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple

注意：d2l 包是本书通用的辅助库，包含了数据加载、可视化等函数，必须安装。

基本使用

本项目结构通常按章节组织，代码示例位于各章节文件夹内。以下演示如何运行一个简单的线性回归示例（假设位于 chapter_linear-networks 目录下）。

运行代码示例

进入对应章节目录并执行 Python 脚本：

cd chapter_linear-networks
python linear-regression-scratch.py

在 Jupyter Notebook 中交互学习

该书非常适合通过 Jupyter Notebook 进行交互式学习。启动服务如下：

jupyter notebook

浏览器打开后，导航至 chapter_linear-networks 或其他章节目录，点击 .ipynb 文件即可运行代码块并查看越南语注释与说明。

代码调用示例

你可以在自己的 Python 脚本中导入 d2l 库来复用书中的工具函数：

from d2l import torch as d2l  # 如果使用 PyTorch 版本
# from d2l import mxnet as d2l # 如果使用 MXNet 版本

# 示例：生成随机数据
X, y = d2l.synthetic_regression_data()
d2l.set_figsize()
d2l.plt.scatter(X[:, 1].detach().numpy(), y.detach().numpy(), 1);
d2l.plt.show()

通过以上步骤，你可以快速开始利用 d2l-vi 项目进行深度学习代码的学习与实践。