神经网络与深度学习：案例与实践（第二版）

邱锡鹏著 · 用 PyTorch 从零实现关键算法，再把模型用到实际任务中

本书介绍 · 下载 PDF · 快速开始 · 章节目录 · 勘误与建议

快速开始

环境要求：64 位 Python 3.11+、PyTorch 2.7+。Notebook 默认使用 CPU；第 5、6、8、9、10 章包含较长训练，先按各章说明选择短程配置。

git clone https://github.com/nndl/nndl-practice.git
cd nndl-practice
python -m venv .venv

激活虚拟环境：

# macOS / Linux
source .venv/bin/activate

# Windows PowerShell
.venv\Scripts\Activate.ps1

安装 CPU 版本（Windows / Linux）：

python -m pip install --upgrade pip
python -m pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

macOS 或 NVIDIA GPU 用户请按 PyTorch 官方安装页选择对应平台的安装命令。随后安装其余依赖并打开第一个 Notebook：

python -m pip install -r pytorch/requirements.txt
python -m jupyter notebook "pytorch/chap1实践基础/实践基础.ipynb"

第 1 章无需下载数据。第 6、8 章运行前需先准备 IMDB / LCQMC，命令与各章缓存位置见 数据准备说明。

先从哪里开始

章节目录

每章目录中都有 Notebook 入口和实现要点；完整环境说明、数据集下载方式与批量执行方法见 pytorch/README.md。

从 Notebook 到可复用代码

配套代码会随着章节推进，逐步搭建轻量级学习框架 pytorch/nndl/：

Notebook 在关键组件第一次出现时展示完整实现，后续章节则通过 from nndl import ... 复用工程化版本。这样既能看清原理，也能保持代码可维护。

测试与复现

每章都有一组 sanity 测试，用来检查关键算子、模型形状和核心结论：

python -m pytest pytorch/tests/ -v

单章测试可以直接指定文件，例如：

python -m pytest pytorch/tests/test_chap8.py -v

版本关系

本仓库由 nndl/exercise 更名而来，旧链接会由 GitHub 自动跳转到当前地址。

代码与书稿

仓库与书稿采用相同的十章结构。出版前两边都会继续修订，因此个别代码、输出或页码可能短期不同步；遇到差异时，请同时注明书稿日期、章节、Notebook 名称和具体单元格，便于核对。

勘误与建议

欢迎通过 GitHub Issues 提交代码问题、书稿勘误和改进建议。提交前请先搜索是否已有相同问题，并尽量提供：

• 章节与 Notebook 名称；
• Python、PyTorch 与操作系统版本；
• 最小复现步骤和完整报错；
• 书稿问题对应的 PDF 页码及下载日期。

查看已有反馈 · 提交新反馈

系列资源

• “神经网络与深度学习”系列主站
• 理论书第二版与通识版
• 《大模型与智能体》
• 第一版 PaddlePaddle 配套代码

仓库维护说明

• _meta.yml 是主站书目卡片的数据源。
• 主站构建时由 nndl.github.io/scripts/aggregate-books.py 汇总各书元数据。