d2l-code

个人版 D2L 学习代码库。

• 按照《动手学深度学习》的教学顺序学习
• 保留核心模型与训练思路
• 代码实现脱离 d2l包
• 本地和 Colab / Kaggle 都能直接运行

目前已完成：

• chapter3.py
• chapter4.py
• chapter5.py
• chapter6.py
• chapter7.py
• chapter8.py
• chapter9.py
• chapter10.py
• chapter11.py
• chapter12.py
• chapter13.py
• chapter14.py
• chapter15.py
• 通用轻量工具层 mini_d2l.py
• 轻量检查脚本 smoke_test.py
• Colab 模板 colab_template.ipynb

Open In Colab

项目结构

• mini_d2l.py 轻量工具层，替代原来常用的 d2l 功能，包括数据加载、训练循环、词表、设备选择等。

• chapter3.py 到 chapter15.py 章节代码。默认入口不会直接开始长时间训练，而是打印本章可用函数，建议你按需手动调用。

• smoke_test.py 整仓轻量检查脚本。适合在 Colab 开始正式训练前先跑一遍，确认模块导入、基础 shape 检查和跨章节依赖都没有问题。

• colab_template.ipynb 用于在 Colab 上运行本仓库代码的模板 notebook。

• requirements-colab.txt Colab 最小依赖。

本地运行

建议使用你现有的 conda 环境，至少保证这些包可用：

pip install torch torchvision matplotlib numpy pandas

然后直接运行某一章：

python chapter3.py
python chapter6.py
python chapter8.py
python chapter11.py
python chapter12.py
python chapter13.py
python chapter14.py
python chapter15.py
python smoke_test.py

默认情况下，这些脚本只会打印可用入口，不会自动训练。
真正运行实验时，推荐在 Python/Colab 中显式导入模块后调用目标函数，而不是修改脚本文件本身。

例如：

import chapter9
import chapter10
import chapter11
import chapter12
import chapter13
import chapter14
import chapter15

chapter9.inspect_seq2seq_shapes()
chapter10.run_transformer_translation(num_epochs=50)
chapter11.demo_schedulers(num_steps=10)
chapter12.inspect_hardware()
chapter13.inspect_anchor_shapes()
chapter14.inspect_bert_shapes()
chapter15.inspect_nli_model()

跨章节依赖说明

• chapter3 到 chapter7 只依赖 mini_d2l.py
• chapter8 主要自包含，但也会使用 mini_d2l.py 的通用训练与下载工具
• chapter9 依赖 mini_d2l.py
• chapter10 依赖 mini_d2l.py 和 chapter9.py
• chapter11 依赖 mini_d2l.py
• chapter12 依赖 mini_d2l.py 和 chapter7.py
• chapter13 依赖 mini_d2l.py、chapter7.py 与 torchvision
• chapter14 依赖 mini_d2l.py 和 chapter10.py
• chapter15 依赖 mini_d2l.py、chapter14.py

这意味着：

• 把整个仓库目录一起上传到 Colab 是安全的
• 只单独上传 chapter10.py 不够，因为它会导入 chapter9.py
• chapter9/10 第一次运行翻译相关实验时会下载数据到仓库内 data/ 目录

Colab 运行

最简单的方式：

1. 打开 colab_template.ipynb
2. 在 Colab 里切换到 GPU runtime
3. 运行安装和环境检查单元
4. 先运行 smoke test / 轻量检查单元
5. 再按章节逐个打开你要跑的实验

如果你想从 GitHub 克隆到 Colab，仓库地址就是：

https://github.com/sad-and-bad1231/d2l-code.git

当前说明

• chapter3/4/6/7 里的 Fashion-MNIST 使用 torchvision.datasets.FashionMNIST
• chapter8/9 的文本数据会下载到仓库内 data/ 目录
• chapter10 的翻译与 Transformer 相关实验依赖 chapter9 中的数据与 seq2seq 基础设施
• chapter11 的优化器实验默认使用空气动力学噪声数据集，并会下载到仓库内 data/ 目录
• chapter12 的多 GPU/性能实验会根据当前设备环境自动降级；在 Colab 单 GPU 下可以运行轻量 demo 和 concise 训练
• chapter13 的检测/分割/风格迁移部分默认只做轻量检查；涉及 VOC、香蕉检测或 Kaggle 数据时会按需下载或依赖你本地提供的数据目录 其中 TinySSD 当前提供的是调试训练入口，用于验证计算图，不代表完整检测训练实现
• chapter14 的词向量/BERT 预训练默认只做轻量检查；PTB、WikiText-2、GloVe 等数据会按需下载
• chapter15 的 IMDb、SNLI 等下游任务入口默认不自动训练；数据会在你手动运行时按需下载
• 当前默认实现优先保证“教学流程清楚 + Colab 可运行”，不是工业级训练框架

更新中......

后续可以继续补：

• 更完整的 README 示例图和训练结果
• 更细的工具层拆分，例如 trainer.py、data.py、metrics.py