李沐pytorch 课程 深度学习D2l python3.12安装方法

于 2024-09-11 15:56:40 发布
阅读量213 收藏 2
点赞数 1
文章标签： 深度学习 pytorch 人工智能
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.csdn.net/qq_54206667/article/details/142142190
版权

whl包：已经编译的包，类似于exe文件；
tar包：源文件，只是打包在一起，还没有编译；
tar.gz包：源文件，压缩并打包在一起，还没有编译。

python3.12 安装d2l包会报错

将d2l 0.17.6 包版本下载下来 

修改setup.py文件 

切换到要安装的虚拟环境下 执行：python setup.py install

核心：升级NUMPY版本

引用自：

【李沐深度学习】d2l包的安装问题,jupyter notebook 403问题_d2l notebook-CSDN博客 

 《动手学深度学习》中d2l库的安装教程（含细节，开盖即食）-CSDN博客

Python3.12安装d2l库提示module ‘pkgutil‘ has no attribute ‘ImpImporter‘_module 'pkgutil' has no attribute 'impimporter-CSDN博客 

日暮途远z
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
《动手学深度学习》(PyTorch版)
风口IT猪的成长录
09-16 6327
《动手学深度学习》PyTorch版深度学习简介起源发展成功案例特点小结练习参考文献 深度学习简介 你可能已经接触过编程，并开发过一两款程序。同时你可能读过关于深度学习或者机器学习的铺天盖地的报道，尽管很多时候它们被赋予了更广义的名字：人工智能。 实际上，或者说幸运的是，大部分程序并不需要深度学习或者是更广义上的人工智能技术。例如，如果我们要为一台微波炉编写一个用户界面，只需要一点儿工夫我们便能设计出十几个按钮以及一系列能精确描述微波炉在各种情况下的表现的规则。 再比如，假设我们要编写一个电子邮件客户端。这样
【ai】李沐 动手深度学学v2 环境安装：anaconda3、pycharm、d2
突围
06-24 547
https://github.com/d2l-ai/d2l-zh/releases
适用于李沐深度学习课程的windows系统下的GPU版本的PyTorch安装
Fuuuu_0的博客
07-06 396
本文主要介绍如何在windows系统上安装李沐深度学习课程需要使用的gpu版本的pytorch，由于博主本人也是小白，下面方法是我摸索半天，成功后的复盘步骤，仅供参考！
《李沐：动手学深度学习v2 pytorch版》第1章和第2章
weixin_44219441的博客
04-06 844
本系列主要记录自己学习深度学习的过程，欢迎大家讨论!
一篇文章搞定《动手学深度学习》-（李沐）PyTorch版本的所有内容
weixin_64338372的博客
04-04 1904
一篇文章搞定《动手学深度学习》-（李沐）PyTorch版本的所有内容
Windows 下安装 CUDA 和 Pytorch 跑深度学习
qq_16093505的博客
06-08 1388
​ 以B站跟李沐学AI课程更新自己的学习笔记
动手学深度学习-（李沐）PyTorch版本
datayx的文章
09-15 388
向AI转型的程序员都关注了这个号????????????预备知识要学习深度学习，首先需要先掌握一些基本技能。所有机器学习方法都涉及从数据中提取信息。因此，我们先学习一些关于数据的实用技能，包括存储、操作和预处理数据。机器学习通常需要处理大型数据集。我们可以将某些数据集视为一个表，其中表的行对应样本，列对应属性。线性代数为人们提供了一些用来处理表格数据的方法。我们不会太深究细节，而是将重点放在矩阵运算的基本原理及其实...
《动手学深度学习》中d2l库的安装教程（含细节，开盖即食）
热门推荐
m0_75243362的博客
03-14 1万+
​ 在按照《动手学深度学习》这本书时会有需要导入d2l库的使用。​ 首先先随便了解一下d2l库如下：​ d2I是一个与《动手学深度学习》(Dive into Deep Learning）一书配套的开源教学库，它包含了作者李沐设计的深度学习相关代码和示例。这个库旨在帮助读者通过实践经验来理解和掌握深度学习的基础知识和核心算法，如神经网络、卷积神经网络(CNN)、循环神经网络(RNN）等。除了提供理论知识外，d2Il库还通过实际代码应用来帮助读者加深对这些算法的理解。
364 页 PyTorch 版《动手学深度学习》分享（全中文，支持 Jupyter 运行）
qq_41590635的博客
11-02 2250
1 前言 最近有朋友留言要求分享一下李沐老师的《动手学深度学习》，小汤本着一直坚持的“好资源大家一起分享，共同学习，共同进步”的初衷，于是便去找了资料，而且还是中文版的，分享给有需要的小伙伴，也希望有更多的朋友能在StrongerTang相遇。 《动手学深度学习》是今年6月刚出版的新书，是一本面向中文读者的能运行、可讨论的深度学习教科书。同时覆盖深度学习的方法和实践，不仅从数学的角度阐述深度学习的...
李沐动手学深度学习(pytorch版本)”d2lzh_pytorch”包的缺少安装问题
12-21
在学习深度学习的过程中，李沐的《动手学深度学习》PyTorch版本是一个非常受欢迎的教程资源。该书提供了丰富的实践代码，帮助读者深入理解深度学习的原理与应用。然而，在按照书中指导进行实践时，可能会遇到一些...
动手学深度学习d2l-zh_李沐1
08-03
动手学深度学习d2l-zh 李沐1 本书是深度学习领域的经典教材，作者李沐等人将深度学习的基础知识和实践经验融汇其中，为读者提供了全面的深度学习知识体系。本书共分为十四章，分别介绍深度学习的基本概念、神经网络...
最全面的 深度学习 笔记【土堆 Pytorch】【李沐 动手学深度学习】【吴恩达 深度学习】
05-16
土堆是一个广受欢迎的深度学习资源提供者，其Pytorch教程以其深入浅出的讲解和丰富的实战案例受到学习者的喜爱。土堆的Pytorch教程主要包括以下内容： 1. **基础知识**：从最基础的张量操作开始，介绍Pytorch的核心...
根据李沐动手学深度学习，基于pytorch实现深度学习基础算法的实现.zip
05-09
《李沐动手学深度学习——基于PyTorch实现深度学习基础算法》是一本深受学习者喜爱的实战教程，它引导读者通过实践掌握深度学习的基本原理和应用。PyTorch是Facebook开源的一个强大深度学习框架，以其灵活性和易用性...
从0开始深度学习（5）——线性回归的逐步实现
立志成为炼丹师？
09-05 421
matmul 函数是 PyTorch 中的一个方法，用于执行矩阵乘法。定义一个简单的线性模型，即一个特征矩阵X和向量w进行矩阵-向量相乘后，再加上一个偏置参数b"""线性回归模型"""因为需要计算损失函数的梯度，所以我们应该先定义损失函数。这里使用均方误差(MSE)"""均方损失"""线性模型有解析解，但是为了模拟其他没有解析解的模型，这里使用梯度下降，即在每一步中，使用从数据集中随机抽取的一个小批量，然后根据参数计算损失的梯度，接下来，朝着减少损失的方向更新我们的参数。每一步更新的大小由。
【人工智能学习笔记】4_1 深度学习基础之深度学习概述
RIKI_1
09-08 675
深度学习框架的选择往往需要考虑多方面的因素，如学习门槛、上手难度、开发速度、易用性等。
基于Pytorch框架的深度学习U2Net网络精细天空分割系统源码
修行之路
09-05 624
基于Pytorch框架的深度学习U2Net网络天空语义精细分割系统源码
【机器学习】从零开始理解深度学习——揭开神经网络的神秘面纱
擅长将自己的感受、想法、知识通俗地表达出来，会点前后端开发、自动化测试、性能测试、爬虫。将来可能学硬件、AI。但一定会写实用的脚本。
09-06 2615
深度学习是机器学习的一个重要分支，通过多层神经网络处理复杂数据，广泛应用于图像识别、自然语言处理等领域。我们将在这篇文章中揭开深度学习和神经网络的神秘面纱。
配置全新服务器深度学习一套流程
最新发布
weixin_70379932的博客
09-10 744
NCU服务器配置深度学习环境
李沐深度学习pytorch
09-11
李沐是深度学习领域的知名专家，他是PyTorch深度学习框架的创始人之一。他在教育领域也有很多贡献，包括开设在线课程和撰写教材。在他的视频中，他分享了关于PyTorch的知识和经验。视频内容中的编程部分是用PyCharm编写的，对学习PyTorch的人来说是一个很好的参考。 在PyTorch中，常用的数据结构是N维数组，可以使用torch.tensor()来创建张量。此外，还可以使用torch.ones()和torch.zeros()创建全1和全0的张量，使用torch.arange()创建等差数列的张量，使用torch.randn()创建均值为0，标准差为1的正态分布张量，使用torch.exp()计算张量的指数函数。相应地，在NumPy中，可以使用np.array()、np.ones()、np.zeros()、np.arange()、np.random.rand()和np.exp()来创建相似的数组。 在PyTorch中，还提供了一些数学运算和函数，如加法（+）、减法（-）、乘法（*）、除法（/）、相等性判断（==、!=）、点积（torch.dot()、torch.mv()、torch.mm()）。这些操作和函数可用于处理和操作张量中的数据。 总之，李沐的视频和编程笔记提供了关于PyTorch深度学习框架的宝贵信息和实践经验，对深度学习和PyTorch的学习者来说是一个很好的学习资源。
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