论AI圈活菩萨，非李沐老师莫属。
前有编写「动手学深度学习」，成就圈内入门经典，后又在B站免费讲斯坦福AI课，一则艰深硬核讲论文的视频播放量36万，不少课题组从导师到见习本科生都在追番。
如此给劲的分享，难怪不少人骄傲自称「已拜在老师门下」——
而最近，我发现有平台干了个更给劲的事。
这个平台无偿提供算力不说，还将入门经典「动手学深度学习」放进平台，免费供大家学习和实操，名曰：AmazonSageMakerStudioLab。
按介绍说法，该平台基于JupyterLab，提供免费GPU和CPU算力+15G永久存储功能，还与GitHub链接，支持主流机器学习工具组件和开源资源包使用，开发者可结合「动手学深度学习」教材自行训练模型、看结果。
而且，他们还号称申请只需一个邮箱，不要官方账号，更不用填什么信用卡。
真有这么好的事？
今天就带着大家一起亲测试试。
真能实操「动手学深度学习」案例？
通过链接studiolab.sagemaker.aws，我们即可登入web端平台，探探虚实。
哪能找到「动手学深度学习」？从界面能看到，平台提供GPU/CPU算力选择，而且，可直接开启使用，确实无需付款。
右下角，我们就能看到那本DiveintoDeepLearning(缩写为D2L)。
直接点击OpenD2Lnotebooks可打开：
开启项目后，系统自动加载D2L资源，并存储在我们的云上文件夹中。
README文件也一并打开好了，在这里面，系统环境配置、全书概要、面向受众、目录框架一应俱全。文末还有每个章节链接，从中能直接进入。
到这，就可以通过平台结合课程内容与实操来学习深度学习了——
那么实操效果如何？
哪儿哪儿的代码，都能运行给你看以经典中的经典的AlexNet部分为例，感受一下。
平台上，AlexNet沿袭发展、基础原理解释均呈现出来，模型的定义构建代码均可运行。
为保证初学者更好理解，还能构建单通道数据示例，观察AlexNet内部8个层的输出情况，目的嘛，在于帮我们直观了解不同层的作用：
最关键的是，训练模型环节也开放实操，选中代码部分运行即可。
不过该过程允许时间较长，我们在GPU选项下训练大约使用7分钟，慢慢等吧！
眼看曲线缓缓慢慢画出来
值得一提的是，由于整个界面都能作为Notebook添加代码，记录学习思考——
因此，即便我们课程完成，还能在文末添加代码栏，对照着章节末尾习题，编程实现作业。
从数理基础到实操环境配置，都安排得明明白白上面展示还只是一个小节。其实，从全连接层、卷积、池化等概念介绍，到ResNet、DenseNet讲解…在AmazonSageMakerStudioLab免费环境中均有呈现及实操，都安排得明明白白。
平台还贴心地考虑到我们的高数线性代数基础不一，不是每个人都过了90分，还把单变量微积分、最大似然等数理基础介绍和代码实现都给出来了，还附上环境配置方法，一副很靠谱的架势。
经过上面验证，这个AmazonSageMakerStudioLab确实可免费又完整地实操大神的「动手学深度学习」——
对希望入门乃至深度掌握AI/ML这门技术的人来说，这种理论+实践型的研习方式自然更为高效，日后切换到实际工作或科研甚至创业中，过渡也更为无缝。
事实上，它的能力还不仅这个水平。
一个面向开发者的免费平台
从名字上你也发现了，推出AmazonSageMakerStudioLab的幕后企业是亚马逊云科技。
这家前沿技术大厂此次推出免费平台，不只将「动手学深度学习」做成理论+实操练习场，更想面向数据科学家、企业开发者、高校师生——
提供一个免费低门槛入门机器学习的普惠机会。
其实在亚马逊云科技之前，业内已有多个开放机器学习平台——
那么，这回的AmazonSageMakerStudioLab，又有什么值得