1. 前言与安装pytorch、d2l

书本电子版：https://zh.d2l.ai/index.html

前言

• 神经网络是深度学习前身

• 全书结构：
  

  • 第一部分包括基础知识和预备知识。 1节提供深度学习的入门课程。然后在 2节中，我们将快速介绍实践深度学习所需的前提条件，例如如何存储和处理数据，以及如何应用基于线性代数、微积分和概率基本概念的各种数值运算。
    3节 和 4节涵盖了深度学习的最基本概念和技术，例如线性回归、多层感知机和正则化。
  • 接下来的五章集中讨论现代深度学习技术。 5节描述了深度学习计算的各种关键组件，并为我们随后实现更复杂的模型奠定了基础。接下来，在6节 和 7节中，我们介绍了卷积神经网络（convolutional neural network，CNN），这是构成大多数现代计算机视觉系统骨干的强大工具。随后，在8节 和 9节中，我们引入了循环神经网络(recurrent neural network，RNN)，这是一种利用数据中的时间或序列结构的模型，通常用于自然语言处理和时间序列预测。在10节中，我们介绍了一类新的模型，它采用了一种称为注意力机制的技术，最近它们已经开始在自然语言处理中取代循环神经网络。这一部分将帮助读者快速了解大多数现代深度学习应用背后的基本工具。
  • 第三部分讨论可伸缩性、效率和应用程序。 首先，在11节中，我们讨论了用于训练深度学习模型的几种常用优化算法。下一章12节将探讨影响深度学习代码计算性能的几个关键因素。在 13节中，我们展示了深度学习在计算机视觉中的主要应用。在14节 和 15节中，我们展示了如何预训练语言表示模型并将其应用于自然语言处理任务。

安装

1.安装pytorch-gpu

建議不要使用书本的torch版本，版本太老会报错，直接用最新的就好

# cpu
pip install torch==1.12.0
pip install torchvision==0.13.0#gpu
conda create -n torch270 python=3.10
conda activate torch270pip uninstall torch torchvision torchaudio -y
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu126

conda create -n torch112 python=3.10
conda activate torch112
pip install torch1.12.0+cu116 torchvision0.13.0+cu116 -f https://download.pytorch.org/whl/torch_stable.html

1.1python对应版本要求

PyTorch 版本	CUDA 版本	对应 Python 支持范围	❌ 不支持的版本
torch==1.12.0+cu116	CUDA 11.6	✅ Python 3.7 ~ 3.10	Python 3.6 及以下：太旧，不支持。Python 3.11 / 3.12：太新，PyTorch 1.12.0 还不支持。
torchvision==0.13.0+cu116	与上兼容	✅ 同样支持 Python 3.7 ~ 3.10	同上

1.2如何查看自己当前的 Python 版本？

python --version

---

2.安装d2l包

安装d2l包，以方便调取本书中经常使用的函数和类：
使用1.0.0-alpha0版本
如果使用书本的 0.17.6 版本会报错，因为这是 基于 MXNet 或 PyTorch 教材代码的旧版本。它自动依赖一些较老的库，例如 pandas、matplotlib 等，没有明确固定版本，pip 默认会尝试拉最新的源码版本（.tar.gz）。
在 Windows 上没有对应版本的 .whl，于是 pip 尝试 从源码编译 pandas → 就失败了（因为 Visual Studio 编译器环境复杂、缺失 ssize_t）。

pip install d2l==1.0.0-alpha0

---

3.下载 D2L Notebook

```
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd pytorch
```

注意：如果没有安装unzip，则可以通过运行sudo apt install unzip进行安装。
安装完成后我们可以通过运行以下命令打开Jupyter笔记本（在Window系统的命令行窗口中运行以下命令前，需先将当前路径定位到刚下载的本书代码解压后的目录）：

`jupyter notebook`

符号

https://zh.d2l.ai/chapter_notation/index.html