《动手学深度学习》——环境搭建

最新推荐文章于 2025-04-09 09:18:12 发布
最新推荐文章于 2025-04-09 09:18:12 发布
阅读量1.2k 收藏 5
点赞数 1
分类专栏： 动手学深度学习 文章标签： 动手学深度学习 环境搭建
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/qq_42655135/article/details/107568978
版权

之前电脑中有anaconda3，使用conda命令创建环境运行时报错，随利用uninstall anaconda将之从电脑中卸载，重新安装书中指定的miniconda

参考论坛文章https://discuss.gluon.ai/t/topic/13576

1、在清华镜像网站 https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/下载最新版的miniconda，按照提示进行下一步，中间要点把其加入路径的选项，默认是没有的。安装完成miniconda，打开anaconda prompt终端（这个会在开始菜单）

2、仍在同一个终端，创建环境

最低0.47元/天 解锁文章
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
《动手学习深度学习》环境搭建教程
Rachel911的博客
09-02 381
《动手学习深度学习》环境搭建教程 步骤概览 下载miniconda 配置miniconda环境 安装相关包 1. 下载miniconda 因为服务器在国外，只用内网下载速度很慢，以下给出两种办法： 挂梯子在原网站下载【亲测有效！】网址 使用清华镜像 ：网址. Python使用3.x版本，根据系统选择win，linux，macOS 安装时遇见以下页面：第一个选项也打！这样之后就不用再单独配置环境变量！ 配置 ...
《动手学深度学习》PyTorch版本安装与配置指南
最新发布
gitblog_00470的博客
04-09 750
《动手学深度学习》PyTorch版本安装与配置指南 Dive-into-DL-PyTorch 本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。 项目地址: ...
动手学深度学习——1. 环境搭建
QWERDF007的博客
03-22 661
动手学深度学习——1. 环境搭建 记录一下学习深度学习的一些。本篇简述如何在Windows上搭建一个深度学习的环境。 目前所使用的平台： Windows 10 8700K GeForce RTX 2070 CUDA 10.1 安装Anaconda 安装 Anaconda 来安装和管理 Python。 下载地址： Individual Edition 安装过程中选择一下安装地址，和勾选添加到环境变量即可，方便在 cmd 中直接执行 conda。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存
《动手学深度学习》环境搭建（避坑）
weixin_46327567的博客
02-20 1007
1，在安装前，如果不是很必要删除以前的miniconda或者anaconda避免出现一些错误（反正我之前安装了，配置环境的时候出错了，全部删除后成功了） 2，在安装过程中一定要勾选第一个框（勾选完后后面的单词会变红） 3， 4，打开Jupyter记事本，因为我们安装的是miniconda,所以没有自带Jupyter，要自己安装，一键安装命令就是 pip install jupyter notebook 5，查看cudn, 第一种右下角 2. 直接在搜索栏搜索NVIDIA，点击打开 5，关于Jup
【基于Windows】动手学深度学习入门——1-环境安装
m0_49474265的博客
12-07 1696
因为课题方向需要用到机器学习（深度学习），所以花一段时间入门，系列博客用于学习记录等文字性总结的工作，希望大家批评指正，一起学习，共同进步。慢慢来，加油！
《动手学习深度学习》环境搭建详细过程
源仔
10-20 2983
多谢大佬的文章 1.前言： 《动手学习深度学习》 李沐博士和阿斯顿·张博士等人写的一本入门深度学习的教程，是目前广受好评的最好的入门深度学习教材之一，豆瓣评分高达9.5,且在B站有配套学习视频，超级适合没有基础的小伙伴用来入门深度学习。本文是对于书中关于环境搭建这一小节的详细描述和补充，希望小伙伴们可以通过本文在较短的时间内搭建好开发环境，从而快速开启自己的深度学习之旅。 **BB time：**多说几句，现在GitHub上很多《动手学习深度学习》pytorch版本或者是TensorFlow版本，这些都不建
动手深度学习——Pytorch搭建transformer
weixin_44436319的博客
03-10 3196
对于加载数据集时出现的编码报错问题请参考我的另一篇博文机器翻译数据集编码问题解决方法 import math import pandas as pd import torch from torch import nn # from d2l import torch as d2l import study.new_data as d2l class PositionWiseFFN(nn.Module): """基于位置的前馈网络""" def __init__(self, ffn_num_
动手学深度学习——目标检测 SSD R-CNN Fast R-CNN Faster R-CNN Mask R-CNN
iwill323的博客
09-26 1913
目标检 SSD R-CNN Fast R-CNN Faster R-CNN Mask R-CNN
动手学深度学习——卷积神经网络2 LeNet
inventertom的博客
03-03 409
白嫖伯禹平台，还是要感谢一下，打波广告。 主要是学习笔记，解决问题的可以忽略本博客，以免浪费时间与精力 主要介绍 三个方面 lenet 模型介绍 lenet 网络搭建 运用lenet进行图像识别-fashion-mnist数据集 LeNet 模型 LeNet分为卷积层块和全连接层块两个部分。下面我们分别介绍这两个模块。 模型结构如下 包括：输入层，两层卷积层，两层全连接隐藏层，和一个全连接输出...
Dive into deep learning(00)[动手学深度学习]———————pytorch安装，以及conda环境的配置
weixin_52542715的博客
09-18 697
Dive into deep learning(00)[动手学深度学习]———————pytorch安装，以及conda环境的配置
【深度学习】《动手学深度学习》环境配置
zbossz的学习小分队
07-06 754
《动手学深度学习》的第一步环境配置
动手学习深度学习——开发环境配置
DAOCHI
11-20 2615
1、系统环境   Window，Ubuntu系统安装，软件安装等， 待更新。。。。 2、 基础软件   对于基于 Python 的开发环境，我基本是用 Anaconda+Pycharm（或者VSCode）的软件组合，其中 Anaconda 作为 Python 软件包管理软件， Anaconda+Pycharm（或者VSCode）作为 Python 集成开发软件。注意，本篇博文主要介绍深度学习开发环境的安装和配置，能够基本满足深度学习的开发需求。至于软件本身的一些其它功能，不是本博文的主要目标。无论是新手小白
(转)《动手学习深度学习》环境搭建详细教程
zj
09-22 1518
https://discuss.gluon.ai/t/topic/13576
《动手学深度学习》--mxnet框架
小鸡啄米
03-25 1256
网页版链接：https://zh.d2l.ai/
动手学深度学习---环境配置
gyqJulius_Caesar的博客
07-11 358
环境配置 1.gcc编译器 sudo apt install build-essential 2.ubuntu16.04安装python3.8.1过程麻有点麻烦 //配置依赖环境，如果不进行这步可能会出现一些问题 sudo apt-get install zlib1g-dev libbz2-dev libssl-dev libncurses5-dev libsqlite3-dev //下载解压文件 wget https://www.python.org/ftp/python/3.8.1/Python-
深度学习环境的搭建
深页
09-21 474
一份深度学习环境配置的备忘。 安装 Ubuntu16.04 推荐使用 Linux 系统，可以少给自己找些麻烦，既然要吃程序员这口饭，使用 Linux 这关是逃不开的。 Linux 有许多发行版，具体用哪个版本倒不必过分细究，不过还是推荐使用稳定的、使用人数多的发行版，比如 Ubuntu16.04 LST。 首先需要做一个 U 盘启动盘，接着分区。最好上 SSD 用来装系统，再挂一个...
搭建深度学习的环境
奥古斯都
09-17 861
现在的研究方向是CV,那么必须要搭建深度学习的环境，因此我在折腾了一个中秋假期之后终于把服务器的环境搭建成功了！其中废了不少周折，因此想借此博文来记录一下。 环境配置：Ubuntu14+TITAN X+CUDA10.1+CUDNN+Pytorch 一、安装显卡驱动 因为我的服务器目前只装了一块TITAN X 显卡，因此我必须要装支持我这个显卡的显卡驱动。 官网地址：https://www....
动手学深度学习笔记
03-10
### 关于《动手学深度学习》的学习笔记 #### 使用PyTorch框架的实践指南 该书通过具体的编程实例帮助读者理解并掌握深度学习的核心概念和技术。书中不仅涵盖了理论知识，还提供了大量基于Colab平台的实际操作案例[^1]。 #### 配置开发环境的方法推荐 对于希望快速入门的同学来说，在本地搭建Conda虚拟环境是一个不错的选择。这不仅可以避免复杂的Linux系统配置过程，还能确保不同项目之间的依赖项不会相互干扰。具体安装步骤以及常见问题解决办法可参照相关文档说明[^3]。 #### 深入探讨自然语言处理与计算机视觉的区别 虽然两者都可以利用概率模型和机器学习技术来进行建模分析，但由于数据形式的不同——前者主要涉及符号序列而后者则是由像素构成的图像矩阵——因此各自的研究重点和发展方向也有所差异。例如，在NLP领域中更强调语义理解和上下文关联；而在CV方面则侧重于特征提取及模式识别等方面的工作[^2]。 #### 提供丰富的练习题目以巩固所学知识点 除了跟随书籍中的例子外，《动手学深度学习》还附带了许多额外的挑战性任务，旨在让学员能够灵活运用课堂上学到的知识去解决问题。特别是针对那些想要进入知名科技公司工作的求职者而言，熟悉这类实战型试题是非常有益处的[^4]。 ```python import torch from d2l import torch as d2l def softmax(X): X_exp = torch.exp(X) partition = X_exp.sum(1, keepdim=True) return X_exp / partition # The broadcasting mechanism is applied here X = torch.rand((2, 5)) print("原始输入:", X) output = softmax(X) print("经过Softmax变换后的输出:\n", output) ```
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