教材更新内容

开源交互式教材《动手学深度学习》近期发布重大更新，新增Google JAX实现（基于NumPy API的高性能Python数值计算库）及第二卷的三个新章节：强化学习、高斯过程和超参数优化。据作者表示，这是首本提供JAX实现的深度学习教材，同时继续支持MXNet、PyTorch和TensorFlow框架。

技术实现细节

• JAX集成：为满足开源项目和研究论文中日益增长的JAX应用需求，新增完整JAX代码实现
• 多框架支持：保持MXNet、PyTorch、TensorFlow三框架并行支持
• 交互式学习：每章提供社区讨论链接，支持读者交流技术细节

新增章节技术要点

强化学习章节

• 由某机构访问学者及科学家团队编写
• 涵盖马尔可夫决策过程（MDP）、值迭代算法和Q学习算法
• 包含深度网络在强化学习中的应用及专家行动模仿技术
• 详解在未知环境中使用深度网络采取行动的强化学习方法

高斯过程章节

• 强调函数空间建模视角，帮助理解深度神经网络等模型
• 应用于主动学习、超参数优化、自动机器学习和时空回归等领域
• 通过GPyTorch等框架实现与深度学习的融合

超参数优化章节

• 提出将超参数选择转化为优化问题的方法
• 采用嵌套优化结构，每次迭代需训练和验证机器学习模型
• 引入基于目标函数低成本代理的最新优化技术

出版计划

教材第一卷将由剑桥大学出版社于2023年出版精装版本，作者团队包含某机构资深科学家和访问学者。

社区参与

开发者可通过GitHub项目或Twitter账号@D2L-AI跟踪开源教材的持续更新。