关于安装李沐深度学习d2l包报错的解决办法(保姆教程)

这篇具有很好参考价值的文章主要介绍了关于安装李沐深度学习d2l包报错的解决办法(保姆教程)。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。

前言

因为换了新电脑,所以环境都是从零开始配置,但是在安装李沐深度学习里常用的d2l包的时候,确实频繁报错。

这里总结一下我的报错原因,希望大家在遇到bug的时候能够从容面对。

一、李沐提供的安装方式

1. 创建一个新的环境

conda create --name d2l python=3.8 -y

2. 激活 d2l 环境

conda activate d2l

3. 安装深度学习框架和d2l软件包

在安装深度学习框架之前,请先检查你的计算机上是否有可用的GPU。 例如,你可以查看计算机是否装有NVIDIA GPU并已安装CUDA。 如果你的机器没有任何GPU,没有必要担心,因为你的CPU在前几章完全够用。 但是,如果你想流畅地学习全部章节,请提早获取GPU并且安装深度学习框架的GPU版本。

3.1 安装PyTorch的CPU或GPU版本

pip install torch==1.11.0
pip install torchvision==0.12.0

3.2 安装d2l包

pip install d2l==0.17.5

二、安装报错

但是按照上面的安装流程,后面会频繁报错,因为有些包下载不下来,网速很慢。
李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
换国内源也没用:

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
一时之间陷入两难的境地!

三、解决办法

我们去d2l包的官方网站,然后将包下载下载,放到环境路径下,然后再选择安装。

d2l的官方网站为:

https://www.cnpython.com/pypi/d2l/download

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l

下载下来即可,我下载后的位置为:

D:\Anaconda\envs\PyTorch

cd 到本地d2l的文件目录:

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l
然后运行下列命令进行安装:

pip install d2l-0.15.1-py3-none-any.whl

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l

可以看到,下载速度很快!

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l

最终,安装成功!

四、检验是否安装成功

运行命令:

conda list

李沐的d2l包为什么安装不了,错误或者警告类型解决办法总结,深度学习,python,d2l

可以看到,顺利安装成功!文章来源地址https://www.toymoban.com/news/detail-780521.html

到了这里,关于关于安装李沐深度学习d2l包报错的解决办法(保姆教程)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)
  • 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)
  • d2l学习——第一章Introduction

    使用d2l库,安装如下: 如果安装不上d2l可以用下面的方法: pip install git+https://github.com/d2l-ai/d2l-en 就和统计学习方法书中说的一样,机器学习也可以分为几个核心要义, Data, Models, Objective Functions, Optimization Algorithms , 其中: Data: 用来学习的数据 Model: 如何转换/translate数据的

    2024年02月08日
    浏览(36)
  • Pycharm安装jupyter和d2l

    jupyter是d2l的依赖库,没有它就用不了d2l pycharm中端输入 pip install jupyter 安装若失败则: 若网速过慢,则更改镜像源再下载: 若还是下载失败则是由于电脑有外网APN,也就是说是科学上网的原因导致的: 关掉后再输入命令下载即可。 先下载whl: 链接 点击下载地址下载 再找项

    2024年02月06日
    浏览(31)
  • 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)
  • d2l_第八章学习_现代卷积神经网络

    参考: d2l 研究人员认为: 更大更干净的 数据集 或是稍加改进的特征提取方法,比任何学习算法带来的进步大得多。 认为特征本身应该被学习,即卷积核参数应该是可学习的。 创新点在于GPU与更深的网络,使用ReLU激活函数,Dropout层。 可参考: AlexNet https://blog.csdn.net/qq_4

    2024年02月11日
    浏览(32)
  • D2L学习记录-10-词嵌入word2vec

    《动手学深度学习 Pytorch 第1版》第10章 自然语言处理 第1、2、3 和 4节 (词嵌入) 词向量:自然语言中,词是表义的基本单元。词向量是用来表示词的向量。 词嵌入 (word embedding):将词映射为实数域向量的技术称为词嵌入。 词嵌入出现的原因:由于 one-hot 编码的词向量不能准确

    2024年02月14日
    浏览(32)

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