李沐深度学习环境安装(包括pytorch和d2l)

这篇具有很好参考价值的文章主要介绍了李沐深度学习环境安装(包括pytorch和d2l)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

目录

一、安装Anaconda3

进入Anaconda官网下载:https://www.anaconda.com/distribution/
安装细节不在这赘述,和一般软件相同。如下图注意点
李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python
最后检测是否安装成功,打开cmd命令行输入conda --version,如下图显示版本即为安装成功

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python

二、安装GPU版本的pytorch

2.1 切换到国内镜像源,分别输入以下4行代码:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2.2 创建pytorch环境

  • 创建pytorch环境,我这里使用的python版本是3.9。 在加载过程中会弹出提示,输入y,即可安装。
conda create -n pytorch python=3.9
  • 查看环境是否安装成功
conda info --envs

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python

2.3 安装pytorch

(1)注意此时!!!先切换到刚刚创建好的pytorch环境再进行pytorch的安装!切换命令如下:切换后如图变化

conda activate pytorch

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python
(2)根据自己的安装版本,在Pytorch官网寻找安装命令代码:Pytorch官网:https://pytorch.org/
李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python
将最后一行的命令复制执行(在上一步已经切换到pytorch的环境中执行),这里的是GPU版本,若要cpu版本切换到最后一项即可。
下载过程弹出提示,输入 y,即可完成安装,显示“done”,最后显示成功安装,如下图。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python

2.4 测试
输入以下代码进行测试,如结果和图中相同则说明pytorch安装成功
李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python

三、使用jupyter notebook运行李沐书籍的源码

1、下载教材

https://zh-v2.d2l.ai/index.html

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python

2、下载d2l相关包

pip install d2l

李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python
下载成功后在输入 jupyter notebook即可使用
李沐深度学习环境安装(包括pytorch和d2l),深度学习,pytorch,python文章来源地址https://www.toymoban.com/news/detail-649565.html

到了这里,关于李沐深度学习环境安装(包括pytorch和d2l)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 卷积神经网络——下篇【深度学习】【PyTorch】【d2l】

    5.10.1、理论部分 批量归一化可以解决深层网络中梯度消失和收敛慢的问题,通过固定每个批次的均值和方差来加速收敛,一般不改变模型精度。批量规范化已经被证明是一种不可或缺的方法,它适用于几乎所有图像分类器。 批量规划是一个线性变换 ,把参数的均值方差给拉

    2024年02月12日
    浏览(29)
  • 卷积神经网络——中篇【深度学习】【PyTorch】【d2l】

    5.5.1、理论部分 两个⌈ 卷积块 ⌋ 每个卷积块中的基本单元是一个⌈ 卷积层 ⌋、一个 ⌈ sigmoid激活函数 ⌋和 ⌈ 平均汇聚层 ⌋ 三个⌈ 全连接层密集块 ⌋ 早期神经网络,先使用卷积层学习图片空间信息,然后全连接层转换到类别空间。 5.5.2、代码实现 定义一个 Sequential块

    2024年02月11日
    浏览(42)
  • 线性神经网路——线性回归随笔【深度学习】【PyTorch】【d2l】

    线性回归是显式解,深度学习中绝大多数遇到的都是隐式解。 3.1.1、PyTorch 从零实现线性回归 生成数据集及标签 d2l.plt.scatter(,,) ,使用d2l库中的绘图函数来创建散点图。 这个函数接受三个参数: features[:,1].detach().numpy() 是一个二维张量features的切片操作,选择了所有行的第二

    2024年02月15日
    浏览(44)
  • 李沐深度学习-d2lzh_pytorch模块实现

    2024年01月21日
    浏览(71)
  • python+pytorch+d2l 超详细安装攻略

    第一步首先在python官网下载适合自己电脑的python版本(注意x86是32位的,x86-64是64位的) 这里选择3.7版本 官网: www.python.org/downloads/ 在下面选取想要的版本 选择安装包:web-based安装包最小,是基于网络安装,下载快,executable是exe安装,embeddable zip是压缩包安装(注意x86是32位的,

    2024年02月13日
    浏览(41)
  • 深度学习环境配置Anaconda+cuda+cudnn+PyTorch——李沐大神《动手学深度学习》环境配置(巨详细,持续迭代)

    Anaconda+cuda+cudnn+Pytorch(手把手教你安装深度学习环境)——这里是GPU+PyTorch版本 国内AI教学体系发展较晚,很多喜欢AI的同学都得不到系统的学习。当然我们也不否认国内一些优质的AI领域的课程和教学资料,这里我们主要推荐李沐大神推出的《动手学深度学习》,这门课程最初

    2024年02月15日
    浏览(48)
  • Mac电脑配置李沐深度学习环境[pytorch版本]使用vscode

    Mac打开终端(Mac电脑如何启动终端?打开启动台,搜索终端即可) 安装包管理工具Homebrew 如果遇到报错 则需要运行一下如下指令,然后再安装Homebrew。原因是被墙,需要配置一下端口。 安装Homebrew成功后,重启终端(Mac电脑如何启动终端?打开启动台,搜索终端即可)直接安

    2024年02月06日
    浏览(35)
  • 动手学深度学习d2l.Animator无法在PyCharm中显示动态图片的解决方案

    运行 d2l 的训练函数,仅在控制台输出以下内容,无法显示动态图片(训练监控) 修改 d2l.Animator 的 add 函数,以下分别是修改前的代码及修改后的代码: 同时,在使用相关函数时,添加如下一行代码 d2l.plt.show() ,如下: 重写训练函数,以 d2l.train_ch13 为例,以下分别是修改

    2024年02月09日
    浏览(62)
  • d2l包安装教程

    目录 一、下载d2l包 1、错误的安装方法 2、正确的安装方法 二、可能会遇到的问题 1、网络超时导致下载中断 2、windows powershell激活虚拟环境时报错        直接按照教程安装 — 动手学深度学习 2.0.0 documentation运行命令 pip install d2l==0.17.6 安装会比较慢,很大可能会因为网络

    2024年01月19日
    浏览(34)
  • 【深度学习】动手学深度学习(PyTorch版)李沐 2.4.3 梯度【公式推导】

      我们可以连接一个多元函数对其所有变量的偏导数,以得到该函数的 梯度 (gradient)向量。 具体而言,设函数 f : R n → R f:mathbb{R}^{n}tomathbb{R} f : R n → R 的输入是一个 n n n 维向量 x ⃗ = [ x 1 x 2 ⋅ ⋅ ⋅ x n ] vec x=begin{bmatrix} x_1\\\\x_2\\\\···\\\\x_nend{bmatrix} x = ​ x 1 ​ x 2 ​

    2024年01月17日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包