动手学深度学习 环境安装

最新推荐文章于 2025-03-23 11:01:43 发布
最新推荐文章于 2025-03-23 11:01:43 发布
阅读量1.6k 收藏
点赞数 2
分类专栏： 笔记 文章标签： python 人工智能 pytorch 经验分享
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_57610007/article/details/124356788
版权

1、首先要有一个有nvidia显卡的电脑，然后看自己电脑要什么版本cuda（如笔者为11.6版本），直接去官网下载。并安装。

2、下载anaconda->网上有教程

3、用conda新建一个虚拟环境python==3.8->网上有教程（最好新建，因为d2l包里的东西可能版本不匹配）

4、直接去pytorch官网下载找最新（最合适）pytorch，复制粘贴下载链接到虚拟环境下安装

5、虚拟环境下安装d2l（步骤在安装 — 动手学深度学习 2.0.0-beta0 documentation里面）

内部是书中经常使用的函数和类

6、然后在下载一个压缩包：D2L Notebook

内部是课件/书，下载并解压后可以直接用notebook打开。

可以把压缩包放在任意盘

用conda打开装了d2库的虚拟环境l

控制台切换目录（C盘、D盘、…，->此目录为D2L notebook压缩包解压后文件夹所在盘符）

        如：

                >>cd /d D:

打开jupyter

>>jupyter notebook

就可以快乐学习啦!     վ'ᴗ' ի

如果有帮助可以点个赞在走哦！！

动手学深度学习 | 安装
狂放不羁霸的博客
04-01 1528
1 安装 Miniconda 1.1 什么是 Miniconda 1.2 安装 Miniconda 1.3 使用 Miniconda 创建环境 2 安装深度学习框架和 d2l 软件包 2.1 什么是 GPU 2.2 查看本机 GPU 2.3 安装 Pytorch 2.4 安装 d2l
【李沐动手学深度学习Windows环境配置】
qq_41018635的博客
06-17 2305
这篇博客用于个人学习李沐动手学深度学习Windows下环境配置以及帮助小白脱坑
《动手学深度学习》 环境安装
康逆流的博客
03-22 544
动手学深度学习第2章 预备知识1. 环境的安装和代码的获取1.1 下载Minaconda1.2 下载全部代码1.3 使用 conda 创建虚拟环境 1. 环境的安装和代码的获取 1.1 下载Minaconda conda是Python的包管理软件，我们首先需要下载Miniconda 下载时勾选 Add Anaconda to the system Path environment variable 1.2 下载全部代码 下载代码链接 1.3 使用 conda 创建虚拟环境 首先需要配置清华镜像 pip co
动手学深度学习——安装 & 符号 & 1 引言
最新发布
kongbaidemumu的博客
03-23 1227
讲解了Miniconda的、PyTorch等必要软件的安装，罗列出了接下来会用到的数学符号。在第一章引言中，讲解了日常生活中的机器学习、机器学习中的关键组件（数据、模型、目标函数、优化算法）、各种机器学习问题（监督学习、无监督学习、强化学习等）、深度学习的起源、深度学习的发展、深度学习的成功案例、以及深度学习的特点等。
深度学习环境安装
辣椒炒肉的博客
05-24 1726
英伟达开发的是显卡核心**(GPU)显卡**NVIDIA英伟达、AMD。
[动手学深度学习]00环境安装
qq_43290092的博客
12-01 1214
决策树文章写了好久还没有完成，先发这篇环境安装。本系列将长期更新，学习的内容是李沐大神的基于pytorch的动手学深度学习，将从0开始系统地学习，当然基于学校课程的原因，这些学习的内容只能是课余时间抽空进行学习，所以更新会比较慢。 下面开始环境的安装与配置。 教程使用的是mac+云+gpu，开云服务器用gpu肯定要付费，加上我本机上一颗闲置的2060，所以决定在本地配置。同时由于虚拟机中无法gpu虚拟化，所以也无法开虚拟机在linux环境中学习，于是最终，根据自己的情况，实现了在windows下的环境安装配
【慕伏白教程】《动手学深度学习》学习环境安装流程
慕伏白の博客
09-30 4283
本篇安装基于李沐老师的《动手学深度学习》安装教程，并根据本机情况进行调整，安装时间为2022年9月。
李沐的动手学深度学习的windows环境安装说明
07-06
### 李沐的动手学深度学习的Windows环境安装说明 #### 一、环境搭建 **1.1 安装 CUDA 和 cuDNN** 在搭建深度学习环境时，CUDA（Compute Unified Device Architecture）与 cuDNN（CUDA Deep Neural Network ...
动手学深度学习课程PPT
03-21
本“动手学深度学习课程PPT”涵盖了深度学习的基础理论、常用模型以及实践应用，旨在帮助学习者深入理解并掌握这一技术。 1. **深度学习基础**： - 神经网络：神经网络是深度学习的核心，由多个层次的节点（神经元...
李沐【动手学深度学习】03安装——学习和操作记录
m0_46180925的博客
02-02 642
分别下载torch、torchision、torchaudio三个组件，组件和CUDA、python版本需要匹配。2.安装torch。torch直接网络安装太慢了，并且容易出错。我选择先下载轮子再安装。1.安装jupyter、d2l，jupyter是记事本，d2l是李沐自己的包。输入nvcc -V检查CUDA版本或者确认CUDA是否安装。二、安装jupyter、d2l、torch。在软件和更新中将源改为阿里源。一、安装编译器，python。返回True，则安装成功。四、使用jupyter。
动手学深度学习 安装
2401_84004012的博客
04-13 912
Miniconda 和 Conda 都是用于安装和管理 Python 环境和包的工具。Conda 是一个开源的包管理和环境管理系统，由 Anaconda 公司开发。Miniconda是 Conda 的一个轻量级版本，它仅包含了 Conda 的最基本功能。Miniconda 和 Conda 适用于管理和部署复杂的依赖关系和多个 Python 环境，而 pip 更专注于安装 Python 包。
动手深度学习-环境配置（手动安装,一步一步教你，有截图可看）
12-21
一：官网教程 这一部分对应了书中的第二讲：预备知识部分。因为我是Windows用户，所以这里先只讲Windows部分的安装过程。 1：第一步是根据操作系统下载并安装Miniconda，在安装过程中需要勾选“Add Anaconda to the system PATH environment variable”选项，将python添加到环境变量中。（https://conda.io/en/master/miniconda.html） 2：第二步是下载包含本书全部代码的压缩包。我们可以在浏览器的地址栏中输入 https://zh.d2l.ai/d2l-zh-1.0.zip 并按回车键进行下载。下
深度学习环境完整安装(Python+Pycharm+Pytorch cpu版)
热门推荐
qq_52178584的博客
09-13 1万+
在这里，博主会引导您逐步完成深度学习环境的完整安装，助您踏上从Python到PyTorch的探索之旅。通过本博客，您将轻松掌握如何设置Python环境、使用Pycharm进行开发以及安装Pytorch，成为一名具备完整深度学习环境的实践者。让我们一起开始吧！
深度学习1---环境安装
weixin_45800653的博客
12-13 706
1
[动手深度学习]安装运行环境
熙马拉雅的博客
10-10 545
b站学习视频：https://www.bilibili.com/video/av42355860?from=search&seid=3722730210271045987 github上教材代码之类的：https://github.com/d2l-ai/d2l-zh 大部分按照教材上的来 但发现好像安装mxnet没讲清楚 然后运行的时候直接报错no module named mxnet...
深度学习环境安装教程
Scorpio166的博客
07-13 570
深度学习简单环境配置
《动手学深度学习》入门环境安装
yingmi666的博客
11-18 1958
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
new 动手学深度学习V2环境安装
Sun的博客
05-30 744
动手学深度学习V2 环境安装 虚拟环境 d2l-zh安装 conda create -n d2l-zh -y python=3.8 pip pip install jupyter d2l torch torchvision -i https://mirrors.aliyun.com/pypi/simple/ git clone https://github.com/d2l-ai/d2l-zh-pytorch-slides.git 下载课程幻灯片 wget https://zh-
动手学深度学习v2 安装
03-16
### 动手学深度学习 V2 的环境安装与依赖配置 #### 安装基础 Python 和 Jupyter Notebook 在开始之前，确保已安装最新版本的 Python (建议使用 3.7 或更高版本)，以及 Jupyter Notebook。可以使用以下命令来安装这些工具： ```bash pip install jupyterlab numpy matplotlib pandas scipy sklearn requests tqdm mxnet-cu102==1.8.0 gluonnlp d2l --upgrade --user ``` 如果遇到 `ModuleNotFoundError` 错误提示缺少模块 `d2l`，则需要单独安装该库[^1]。 #### 配置 GPU 支持 为了充分利用硬件加速，在安装 MXNet 时可以选择带有 CUDA 支持的 GPU 版本。具体操作如下所示： ```bash pip uninstall mxnet -y pip install mxnet-cu102==1.8.0 --user ``` 这里假设您的系统上已经预装了兼容的 NVIDIA 显卡驱动程序和 CUDA Toolkit v10.2。如果没有，请先完成显卡驱动更新及 CUDA 工具链部署后再继续上述步骤[^2]。 #### 测试模型运行情况 以书中提到的一个例子为例，验证当前环境中是否能够正常加载并执行基于 Transformer 架构下的 Masked Language Model 推理过程。以下是简化后的测试脚本片段： ```python import torch class MaskLM(torch.nn.Module): def __init__(self, vocab_size, num_hiddens): super().__init__() def forward(self, enc_outputs, pred_positions): pass vocab_size = 1000 num_hiddens = 256 mlm = MaskLM(vocab_size=vocab_size, num_hiddens=num_hiddens) pred_positions = torch.tensor([[1,5,2], [6,1,5]]) enc_outputs = torch.rand((2, 10, num_hiddens)) # batch size=2; seq_len=10; hidden_dim=256 mlm_Y_hat = mlm(enc_outputs, pred_positions) print(mlm_Y_hat.shape) # Expected output: torch.Size([2, 3, 1000]) ``` 当以上代码被执行后，应该得到类似于 `(batch_size, n_preds_per_seq, vocab_size)` 形式的张量尺寸作为最终输出结果[^3]。 --- ####
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值