【动手学深度学习】基于pytorch的深度学习本地环境搭建
2023-09-11 14:20:36 时间
本文将在一个全新干净的 ubuntu16.04 机器上进行pytorch学习,包括环境搭建的全过程。
一、环境搭建
1.1、Miniconda 安装
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
1.2、安装编译程序软件包(linux下需要)
sudo apt-get install build-essential
1.3、安装需要的包
注:更了更好的学习效果,一般是在jupyter中交互式运行学习。另外,为了直接能够在jupyter中打开markdown文件,建议安装jupytext,将markdown转换成ipynb文件。
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -U jupyter d2l jupytext torch torchvision torchtext torchkeras
1.4、下载代码并运行
下载《动手学深度学习v2》源码
wget https://zh-v2.d2l.ai/d2l-zh.zip
unzip d2l-zh.zip
运行jupyter
jupyter notebook
参考
相关文章
- 系统学习sqlserver2012 一
- 轻松学习Ionic (二) 为Android项目集成Crosswalk(更新官方命令行工具)
- 构建你的数据科学作品集:机器学习项目
- 机器学习初学者入门实践:怎样轻松创造高精度分类网络
- [Django学习]入门
- 【c++】类和对象:让你明白“面向一个对象有多重要”:构造函数,析构函数,拷贝构造函数的深入学习
- 【Pytorch】Pytorch深度学习实战教程:超分辨率重建AI与环境搭建
- pytorch学习: 构建网络模型的几种方法
- pytorch学习:准备自己的图片数据
- 迁移学习_pytorch简单实战
- 深度强化学习资料总结
- 并行化强化学习 —— 最终版本 —— 并行reinforce算法的尝试
- 深度学习中使用TensorFlow或Pytorch框架时到底是应该使用CPU还是GPU来进行运算???
- 【转载】 Pytorch中的学习率调整lr_scheduler,ReduceLROnPlateau
- PyTorch深度学习实战 | 计算机视觉
- 【深度学习实验报告】实验 1:PyTorch 使用简介
- 【深度学习】——利用pytorch搭建一个完整的深度学习项目(构建模型、加载数据集、参数配置、训练、模型保存、预测)
- 深度学习 Day29——利用Pytorch实现咖啡豆识别
- PyTorch实现断点继续训练,学习率接着上一个epoch的接着变化