《动手学深度学习》环境设置

简介: 《动手学深度学习》环境设置

《动手学深度学习》环境设置


是网络书籍,免费公开,进来准备认真学习一遍,今天是第一课,做个记录。

《动手学深度学习》花书网络地址:zh.d2l.ai/


1.Miniconda安装


Miniconda是最棒的环境管理软件,空间小,整个安装包才50Mb左右,非常适合学习使用。特别是它支持win、linux、macos多个系统,国内清华源可以免费下载。

下载安装完毕,可以实行初始化

~/miniconda3/bin/conda init


2.创建虚拟环境


目前3.7/3.8/3.9均支持,建议使用3.9

conda create --name d2l python=3.8 -y

现在激活 d2l 环境:

conda activate d2l


3.依赖包安装


安装pytorch的CPU或GPU版本

pip install torch==1.8.1
pip install torchvision==0.9.1

安装d2l包,方便书中使用

pip install d2l==0.17.3


4.下载 D2L Notebook


下载地址:[zh-v2.d2l.ai/d2l-zh-2.0.… -o d2l-zh.zip](zh-v2.d2l.ai/d2l-zh-2.0.… -o d2l-zh.zip)


5.本地jupyter notebook配置


conda虚拟环境下配置jupyter-lab的kernel

pip install ipykernel 
python -m ipykernel install --user --name d2l # p2为需要安装jupyter-lab虚拟环境的名称
jupyter notebook

image.png

目录
相关文章
|
7月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能垃圾分类与环境保护
使用Python实现深度学习模型:智能垃圾分类与环境保护 【8月更文挑战第7天】
297 2
|
10月前
|
机器学习/深度学习 并行计算 算法框架/工具
在Python中进行深度学习环境准备
在Python中进行深度学习环境准备
114 4
|
6月前
|
机器学习/深度学习 自动驾驶 算法
深度学习之虚拟环境生成
基于深度学习的虚拟环境生成是利用深度学习技术自动创建复杂的三维虚拟场景和环境。这一领域在游戏开发、虚拟现实(VR)、增强现实(AR)、模拟训练等方面有广泛的应用。
96 6
|
5月前
|
机器学习/深度学习 数据挖掘 数据处理
深度学习之卫星图像中的环境监测
基于深度学习的卫星图像环境监测是指通过使用深度学习模型处理和分析来自卫星的遥感数据,以实现对地球环境的自动化监测和分析。这项技术极大提升了环境监测的效率、精度和规模,应用于气候变化研究、生态保护、自然灾害监测、城市扩张评估等多个领域。
310 0
|
5月前
|
机器学习/深度学习 人工智能 vr&ar
深度学习之实时数据驱动的虚拟环境
基于深度学习的实时数据驱动的虚拟环境是近年来在计算机图形学、人工智能和虚拟现实(VR)领域的热门话题。
71 0
|
7月前
|
机器学习/深度学习 传感器 监控
深度学习之环境感知模型
基于深度学习的环境感知模型,旨在通过利用深度学习技术,使系统能够感知、理解并响应其所在的物理或虚拟环境。此类模型在自动驾驶、机器人导航、智能监控、虚拟现实等领域有着广泛的应用。
100 3
|
7月前
|
机器学习/深度学习 传感器 算法
深度学习之环境感知系统
基于深度学习的环境感知系统是一类能够理解、感知和解读周围环境的智能系统。通过使用深度学习算法,这些系统可以分析多模态数据(如图像、音频、激光雷达数据等),实时感知环境的动态变化,为自动驾驶、机器人、智能家居等领域提供关键支持。
188 3
|
7月前
|
机器学习/深度学习 自然语言处理 数据处理
|
7月前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现深度学习模型:智能环境监测与预警
【8月更文挑战第11天】 使用Python实现深度学习模型:智能环境监测与预警
974 2
|
7月前
|
机器学习/深度学习 传感器 监控
深度学习之环境感知模型
基于深度学习的环境感知模型,旨在通过利用深度学习技术,使系统能够感知、理解并响应其所在的物理或虚拟环境。
109 0

热门文章

最新文章