李沐的学习Pytorch环境配置

菜菜小堡

已于 2023-11-17 23:26:39 修改

阅读量524

点赞数

CC 4.0 BY-SA版权

文章标签：深度学习

于 2023-11-17 19:41:11 首次发布

本文链接：https://blog.youkuaiyun.com/yusude123456/article/details/134469735

本文指导如何通过他人在GitHub上的深度学习笔记进行学习，推荐使用清华源的1.11版PyTorch和D2L0.17.6版本进行安装，并提供了一个RNN教程链接进行实践测试。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

https://github.com/Miraclelucy/dive_into_deep_learning/tree/main
上面是别人的笔记可以学一下。
如果没有梯子，按照清华源配置
清华源conda配置
最好下载 1.11版本torch那一套
在这里插入图片描述
然后装d2l版本可以装

pip install d2l=0.17.6

然后可以用

http://localhost:8889/notebooks/pytorch/chapter_recurrent-neural-networks/rnn-concise.ipynb
这个文件测试一下是否可运行。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

菜菜小堡

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

【ai】李沐动手深度学学v2 环境安装：anaconda3、pycharm、d2

突围

06-24

1681

https://github.com/d2l-ai/d2l-zh/releases

跟着李沐学AI（动手学深度学习 PyTorch版）学习笔记——03安装（环境配置d2l、pytorch）（python3.7版本+Windows+各种问题解决措施）

热门推荐

qq_45499204的博客

06-24

1万+

跟着李沐学AI（动手学深度学习 PyTorch版）学习笔记——03安装（python3.7版本+Windows+各种问题解决措施）

参与评论您还未登录，请先登录后发表或查看评论

李沐课程中：from d2l import torch as d2l报错

weixin_46143765的博客

03-17

7165

问题描述：我是用pycharm跑的李沐大神的代码，代码是从GitHub（https://github.com/Miraclelucy/dive-into-deep-learninghttps://github.com/Miraclelucy/dive-into-deep-learning）借鉴过来的，想运行的时候，这句报错了： from d2l import torch as d2l 应该是没有导入d2l的包，网上看了半天也没有找到直接的解决方式，很奇怪。解决办法：安装对应的包就好了。

李沐深度学习环境安装（包括pytorch和d2l）

qq_20015253的博客

05-04

6256

李沐深度学习环境安装（包括pytorch和d2l）

Dive Into Deep Learning——1、前言

m0_56595384的博客

06-23

840

目录模型模型族学习算法数据数据的维度目标函数过拟合优化算法监督学习回归分类序列学习无监督学习与环境互动强化学习总结这里主要是对一些我认为需要复习的名词以及相关内容进行摘录，作为学习笔记来用，非原创。你可以把参数看作是旋钮，我们可以转动旋钮来调整程序的行为。任一调整参数后的程序，我们称为模型（model）通过操作参数而生成的所有不同程序（输入-输出映射）的集合称为“模型族”使用数据集来选择参数的元程序被称为学习算法（learning algorithm）。样本有时也叫做数据点（data point）或者数据

李沐深度学习——配置

susudexiaoying的博客

11-18

1139

Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

跟着李沐大佬动手学深度学习Pytorch版

weixin_43880007的博客

07-01

1690

动手学深度学习Pytorch环境搭建

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 ...

李沐动手学深度学习环境配置（Win）

MhjGreat的博客

03-21

826

git clone (--depth=1) https://github.com/d2l-ai/d2l-zh.git #课程资源。进入到项目文件夹，打开jupyter-notebook。关闭jupyter-notebook。激活创建的d2l Conda环境。一、安装Miniconda。三、下载课程Repo。

深度学习环境配置与学习资源汇总：PyCharm/Idea/Anaconda工具配置及PyTorch安装指南了文档的主要内容

04-03

李沐-动手学深度学习Pytorch版（逐渐更新版）

weixin_59959722的博客

07-23

945

深度学习的应用：图片分类物体分割和检测样式迁移（把样式图片和内容图片结合-类似于滤镜）人脸合成（用算法合成人脸-假的人脸）文字生成图片文字生成（gpt3-问问题然后回答）无人驾驶案例研究-广告点击预测点击率。

mosquitto-auth-plug 认证插件安装

风华正茂

11-27

3342

下载 https://github.com/jpmens/mosquitto-auth-plug/ 解压放到下面目录下 cd /root/mosquitto-auth-plug cp config.mk.in config.mk 然后编辑 config.mk BACKEND_MYSQL ?= yes MOSQUITTO_SRC =/root/mosquitto-1.6.7 ##这是mosqu...

Vue ts 中的@watch,@ prop的用法

jjw_zyfx的博客

05-25

1714

完整的请看下边这个GitHub中的 https://github.com/kaorun343/vue-property-decorator#Prop https://blog.youkuaiyun.com/MCQq123321/article/details/84100961

深度学习-多分类

2301_80349130的博客

07-08

941

交叉熵损失函数与逻辑回归中的损失函数效果相同，都是为如何调整参数指明方向，即通过求取梯度，调整参数使损失函数的值逼近0，只是交叉熵损失函数用在多分类中。在这个模型中没有隐藏层，这是一个单层神经网络（也称为 Softmax 回归或多元逻辑回归），是直接从784个输出特征到，输出层的十个输出神经元。(乘的时候按类，分开乘了，0*log or 1*log ,单个样本，最终结果取决于那个唯一的1*log的值)softmax_output = exp(z_i) / sum(exp(z_j)) # 转换为概率分布。

卷积神经网络：池化层与全连接层深度解析

spinage的博客

07-08

571

卷积神经网络（CNN）通过层级化特征抽象实现视觉理解，其中池化层与全连接层是关键组件：池化层（核心功能）：通过最大池化（保留显著特征）或平均池化（保留整体趋势）实现空间维，减少计算量增强模型平移不变性与噪声鲁棒性，扩大感受野全局池化（如GAP）可替代全连接层，生成固定长度特征向量全连接层（分类引擎）：整合卷积特征的全局语义信息，通过权重矩阵映射到类别空间传统结构参数量大易过拟合，现代设计用全局平均池化压缩参数

未来已来：美颜SDK如何通过深度学习实现个性化美颜形象？

wanyuekeji的博客

07-07

312

本篇文章深入探讨了美颜SDK如何借助深度学习技术，从传统滤镜进化为个性化美颜引擎。通过人脸识别、多维建模和实时渲染，美颜SDK正在帮助用户实现更加自然、定制化的美颜体验，广泛应用于直播、社交、电商等场景。未来的美颜不只是变好看，更是表达自我、彰显个性的方式。技术有温度，美不再千篇一律。

CSPNet: A New Backbone that can Enhance Learning Capability of CNN （CSP模块）

oj_geen的博客

07-09

575

本文提出跨阶段局部网络(CSPNet)以解决传统卷积神经网络(如DenseNet)中梯度信息重复利用导致的计算冗余问题。通过将输入特征在通道维度分割为两部分，分别进行直接连接和密集块处理，并设计局部过渡层进行梯度流截断和特征融合，有效减少了50%的内存流量和计算量。实验表明，该方法在保持DenseNet特征复用优势的同时，仅牺牲0.1%的分类准确率就显著提升了计算效率。两种融合策略对比显示，后融合方式通过截断梯度流，能更有效地避免重复学习冗余信息。

【动手学深度学习】4.10 实战Kaggle比赛：预测房价

最新发布

07-09

205

模型定义return net损失函数：对数均方根误差（log RMSE）训练函数。

【AI大模型】循环神经网络（RNN）：序列建模的核心引擎

woaiyitiaochaiya的博客

07-07

1043

摘要：循环神经网络（RNN）是一类专为序列数据设计的神经网络，其核心创新是通过循环连接实现记忆功能。文章系统介绍了RNN的三层架构：基础理论（包括生物启发原理和数学表达）、三大变体（Vanilla RNN、LSTM和GRU）及其PyTorch实现，以及五大应用场景（时间序列预测、NLP、语音识别等）。针对训练挑战，提出了梯度裁剪、注意力机制等解决方案，并对比了RNN与Transformer的特性差异。最后展望了神经架构搜索等未来发展方向，强调RNN在实时系统等场景的不可替代性。全文以情感分析实战案例收尾，完

李沐深度学习环境配置

01-17

### 李沐深度学习环境配置教程对于希望按照李沐指导来设置深度学习开发环境的学习者来说，可以遵循一系列推荐的方法和工具集以确保最佳实践。DMLC深盟是一个专注于分布式机器学习系统的开源社区，在此背景下提供了丰富的资源和支持[^1]。 #### 使用Anaconda管理Python环境为了简化依赖管理和隔离不同项目的需求，建议采用Anaconda作为主要的包管理系统。通过创建特定版本的Python虚拟环境，能够有效避免库冲突并保持项目的稳定性： ```bash # 创建名为dl_env的新环境，并指定Python版本 conda create --name dl_env python=3.8 # 激活该环境 conda activate dl_env ``` #### 安装必要的深度学习框架和其他依赖项基于目标应用领域和个人偏好，可以选择安装PyTorch、TensorFlow等主流框架之一。这里以PyTorch为例展示如何快速完成其部署： ```bash # 安装最新版PyTorch及相关CUDA支持组件 pip install torch torchvision torchaudio cudatoolkit -f https://download.pytorch.org/whl/torch_stable.html ``` 针对更高效的注意力机制实现，如Flash Attention，则可以通过如下命令获取对应的源码仓库并编译安装[^2]: ```bash git clone --branch v2.4.1 https://github.com/Dao-AILab/flash-attention.git cd flash-attention MAX_JOBS=4 python setup.py install cd - ``` 此外，还需单独处理一些子模块（例如`rotary`, `layer_norm`），这些操作同样重要以保证整个软件栈的功能完整性。 #### 验证安装成功与否最后一步是验证所有已安装组件能否正常工作。这通常涉及运行官方文档中的简单示例程序或测试套件，从而确认环境中不存在潜在问题。