许多深度学习初学者在学完基础课程后，会被李沐的《动手学深度学习》劝退。这并非学习者能力不足，而是理论学习与实践脱节所致。本文旨在剖析这一困境的根本原因，并提供两条清晰的学习路径，帮助学习者真正入门。
智能速览
啃不动李沐《动手学深度学习》并非因笨，而是学习路线问题。
初学者常陷入理论学习的舒适区，缺乏动手搭建模型的实战经验。
横向铺陈式学习（先学完所有理论）容易因遗忘和缺乏目标而失败。
纵向深潜式学习（在项目中解决问题）反馈感强，更高效。
针对科研和工程目标，应选择先实战后理论，或边实战边查阅的路径。
精华内容
从看视频到动手实战，横亘在初学者面前的是一道难以逾越的鸿沟。
为何李沐劝退
啃不动李沐的《动手学深度学习》，问题根源在于三点。第一，跳跃度过大。吴恩达的课程侧重理论，小土堆的视频侧重API调用，两者之间存在巨大的思维鸿沟，学习者并未真正理解梯度如何更新参数。第二，数学密度高。李沐书中包含了卷积、注意力等机制的完整数学推导，而非简化动画，这会让习惯于直观理解的学习者感到挫败。第三，代码要求高。它要求从零实现卷积层、优化器等组件，而非简单调用nn.CrossEntropyLoss()，这对于只会调包的学习者而言，每一步都是障碍。
两条学习路径
学习者大致分为两类。第一种是“横向铺陈派”，坚信万丈高楼平地起，花大量时间先学完线性代数、统计理论、吴恩达课程，再接触李沐，结果往往因理论过于抽象、缺乏实践反馈而半途而废。第二种是“纵向深潜派”，以项目为驱动，遇到问题再去补相关知识。这种方法看似零散，但每学一个知识点都能立即解决当下困惑，反馈感极强，学习效率更高。比如那位入职OpenAI的瑞典高中生，采用的就是这种方法。
两种解决方案
根据不同目标，存在两种可行方案。方案A适合未来想从事科研或算法岗的学习者，要求必须吃透李沐。建议先花1-2个月，独立完成至少3个完整项目，等对模型训练有了体感，再回头研读李沐的书，会发现其中的理论变得亲切许多。方案B适合目标是工程应用的学习者，可以直接上手实战项目，将李沐的书当作工具书或百科全书，遇到不懂的模型再去查阅相关章节。
深度学习的核心是解决问题的能力，而非理论积累。无论选择哪条路，关键在于迈出实战的第一步。只有亲手将模型的准确率从70%提升到85%，那种成就感才是入门最有效的通行证。
