d2l包安装教程

这篇具有很好参考价值的文章主要介绍了d2l包安装教程。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。

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


一、下载d2l包

       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超时导致安装中断,网上也有很多人遇到这个问题,他们几乎都使用了下面的安装方法。

1、错误的安装方法

       网上大多数博主给的解决方案是先在网站Python d2l项目安装包(第三方库)下载资源下载0.15.1版本的wheel文件后再进行安装。

d2l包安装教程,DeepLearning,python,开发语言,d2l

       如图,把d2l包复制到我创建的虚拟环境d2learn下的site-packages目录下,然后cd到这个文件目录下或者直接右键选择“在终端中打开”,然后激活虚拟环境:

conda activate env-name

       然后安装wheel文件:

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

d2l包安装教程,DeepLearning,python,开发语言,d2l

2、正确的安装方法

       我一开始是按照前面的错误的安装方法进行安装的,一开始都没有什么问题,但是到学习到“数据增广”那一节时运行chapter_computer-vision\image-augmentation.ipynb的时候出现报错。

d2l包安装教程,DeepLearning,python,开发语言,d2l

       显示“AttributeError: module 'd2l.torch' has no attribute 'Image'”,原因是版本不对造成代码运行错误,书上要求的是最低版本为0.17.5,而前面错误的方法安装的是0.15.1,所以是因为版本不对导致的。

       为了防止安装过程中因为网络超时而导致中断,拟采用以下两种方案:

方案一:pip的时候使用--default-timeout=500

       执行以下命令:

pip --default-timeout=500 install d2l==0.17.6

方案二:使用国内源找到对应版本进行安装

       可以使用华为云链接进行下载安装,如图:

d2l包安装教程,DeepLearning,python,开发语言,d2l

       下载后pip安装即可。

参考:d2l包下载出错与module ‘d2l.torch‘ has no attribute_ 问题解决_module 'd2l.torch' has no attribute 'train_ch3-CSDN博客

二、可能会遇到的问题

1、网络超时导致下载中断

       因为需要下载和安装的包太多,有些包下载的时候可能会因为网络超时导致下载失败,如下图所示。

d2l包安装教程,DeepLearning,python,开发语言,d2l

       可以看到终端出现“raise ReadTimeoutError(self._pool, None, "Read timed out.")
pip._vendor.urllib3.exceptions.ReadTimeoutError: HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Read timed out.”错误信息,超时的原因是网络连接不稳定,可以使用如下方法:

pip --default-timeout=500 install .\d2l-0.15.1-py3-none-any.whl

       注意,等号后面的数字可以调整。

参考:【pip】快速解决 pip 下载安装超时问题 (ReadTimeoutError)_pip read timed out-CSDN博客

2、windows powershell激活虚拟环境时报错

       完整的报错信息是:

CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
To initialize your shell, run

    $ conda init <SHELL_NAME>

Currently supported shells are:
  - bash
  - fish
  - tcsh
  - xonsh
  - zsh
  - powershell

See 'conda init --help' for more information and options.

IMPORTANT: You may need to close and restart your shell after running 'conda init'.

       可以按照提示执行 conda init 命令,但是执行命令后又会出现新的报错信息(具体是什么内容我忘记了,但是主要是和系统不能自动执行一个bat文件有关),可以将报错信息复制粘贴到网上找解决方案。文章来源地址https://www.toymoban.com/news/detail-803589.html

到了这里,关于d2l包安装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

  • 李沐深度学习环境安装(包括pytorch和d2l)

    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 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 2.1 切换到国内镜像源,分别输入以下4行代码: 2.2 创建pytorch环境 创建pytorch环境

    2024年02月13日
    浏览(43)
  • 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)

    1.下载Miniconda下载地址 2.在安装过程中需要勾选“Add Anaconda to the system PATH environment variable”选项 3.检验win+R,输入cmd,在文本框输入conda --version 1.点击该链接+点击jupyter记事本下载压缩包 2.解压该压缩包 3.在解压后的文件夹地址栏输入cmd回车进入命令模式。 1.conda和pip默认使⽤

    2024年02月12日
    浏览(57)
  • d2l 线性回归的简洁实现

    上一节 张量:数据存储、线性代数;自动微分:计算梯度 开源框架,可自动化基于梯度的学习算法中重复性的工作 数据迭代器、损失函数、优化器、神经网络层 使用深度学习框架简洁实现 线性回归模型 生成数据集 标准深度学习模型,使用框架预定义好的层 关注用哪些层

    2024年02月14日
    浏览(45)
  • 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(50)
  • 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(47)
  • 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(56)
  • 卷积神经网络——上篇【深度学习】【PyTorch】【d2l】

    5.1.1、理论部分 全连接层后,卷积层出现的意义? 一个足够充分的照片数据集,输入,全连接层参数,GPU成本,训练时间是巨大的。 (convolutional neural networks,CNN)是机器学习利用自然图像中一些已知结构的创造性方法,需要更少的参数,在处理图像和其他类型的结构化数据

    2024年02月12日
    浏览(47)
  • d2l_第九章_RNN循环神经网络

    经过前面的学习,我们已知数据大于算法。而以数据为驱动的前提下,我们提出了各种模型。为了适配表格数据,提出了MLP;为了适配图像数据提出了CNN;而对了适配序列数据,我们提出了RNN。 目前为止的数据的样本都符合iid独立同分布特点,但是对于音频,文本中的单词等

    2024年02月12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(61)
  • 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(47)

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