当前位置: 首页 > news >正文

理解动手学深度学习的自编包d2l

        跟着李沐的《动手学深度学习-PyTorch版》入门Python编程和Pytorch框架,以前是重度Matlab用户,对于Python里的各种包很不习惯。特别是,本书还自己做了一个名为d2l包,有几个问题很是困惑。今天终于弄明白了,写在这里,记录成长。

        困惑1:书里这个d2l包的具体内容是什么?

        回答:相信很多人会有此困惑,当然还有很多人会说大佬就是大佬,太牛了,为了配套写本书,自己还能写一个包。

        由于这个包只支持pip安装,所以我最早是尝试到pypi中找官方信息。打开PyPI官网https://pypi.org/,搜“d2l”可以找到其链接:https://pypi.org/project/d2l/。但不幸的是,该网页只有一句话:The author of this package has not provided a project description,并没有提供任何有用信息,有股草台班子的感觉。

        偶然想到这个包已经安装到本地,应该是可以在本地找到这个包的信息的。在将这个包安装完成后,运行指令pip show d2l,会输出以下信息:

Name: d2l

Version: 0.17.6

Summary: Dive into Deep Learning

Home-page: https://d2l.ai

Author: D2L Developers

Author-email: d2l.devs@gmail.com

License: MIT-0

Location: d:\programdata\conda_data\envs\d2l\lib\site-packages

Requires: jupyter, matplotlib, numpy, pandas, requests

Required-by:

其中,Location告诉你这个包安装在什么位置,在这个目录下,会有一个d2l文件夹(注:在上面目录里,d2l是我安装这个包的虚拟环境的名字,与d2l包无关),可以查看d2l包的具体内容。

        另外,Requires表示d2l这个包需要哪些其它包,而Required-by表示d2l被哪些包调用,这里是空的,表示没有包依赖于d2l。

        困惑2:书中都是使用from d2l import torch as d2l来import这个包,为什么只从包里import深度学习框架torch包这一部分?而且,既然这里已经从d2l里import了torch包,为什么书中还要单独安装torch包并import torch,单独安装的torch和d2l里的torch有什么区别?

        回答:其实只要打开上个问题中的Location目录内的d2l文件夹,不用过多解释,这个问题就明白了:d2l包里根本没有深度学习框架torch包,只有一个名为torch的模块。

        打开d2l文件夹,可以看到这个文件夹里共有5个.py文件和一个文件夹,分别是__init__.py, mxnet.py, paddle.py, tensorflow.py, torch.py这5个.py文件和__pycache__文件夹。

        因此,from d2l import torch as d2l实际上是import了d2l文件夹里的torch.py,与我们要用的那个深度学习框架torch包没什么关系。动手学深度学习中文版(https://zh.d2l.ai/)共基于四个深度学习框架进行了实现,分别亚马逊的mxnet, 百度的paddle, 谷歌的tensorflow和当前最流行的pytorch。作者将书中不同实现版本的常用函数和类分别存成一个.py文件,构成一个模块(module),然后将这四个模块组成了d2l这个包(package)。

        使用记事本或其它文本编辑器打开d2l文件夹内的torch.py,可以看到该文件的具体内容,就是在课本中那些带有#@save标记的函数或类。

        困惑3:为什么不直接import d2l导入包的全部内容,而是要用from d2l import torch as d2l?能否简单使用import d2l?

        回答:在弄懂上一个问题前,其实心中的困惑是为什么要把d2l内部包含的深度学习框架torch命名为d2l?为什么不使用d2l包里的全部内容而只是使用torch部分?from d2l import torch as d2l实际是将d2l内部包含的深度学习框架torch重命名为d2l使用了,并没有使用包里的其它内容。当然,上一个问题弄明白后就不会有这些困惑了。

        那么就只剩下“能否简单使用import d2l”这个问题了。其实只要自己试一下就行了,答案是import d2l可以正常运行,但不能正常使用包内的torch模块,因为当你尝试用d2l.torch.xxx去访问d2l包内torch模块中的函数或类时,会有以下错误提示:

        AttributeError: module 'd2l' has no attribute 'torch'

       这个跟d2l包内的__init__.py文件有关,可以尝试在文件中加入动态导入功能,具体就不说了,可以参见:https://blog.csdn.net/Dontla/article/details/142757272

相关文章:

理解动手学深度学习的自编包d2l

跟着李沐的《动手学深度学习-PyTorch版》入门Python编程和Pytorch框架,以前是重度Matlab用户,对于Python里的各种包很不习惯。特别是,本书还自己做了一个名为d2l包,有几个问题很是困惑。今天终于弄明白了,写在这里&…...

RK3568使用opencv(使用摄像头捕获图像数据显示)

文章目录 一、opencv相关的类1. **cv::VideoCapture**2. **cv::Mat**3. **cv::cvtColor**4. **QImage**5. **QPixmap**总结 二、代码实现 一、opencv相关的类 1. cv::VideoCapture cv::VideoCapture 是 OpenCV 中用于视频捕捉的类,常用于从摄像头、视频文件、或者…...

OpenEuler学习笔记(十六):搭建postgresql高可用数据库环境

以下是在OpenEuler系统上搭建PostgreSQL高可用数据环境的一般步骤,通常可以使用流复制(Streaming Replication)或基于Patroni等工具来实现高可用,以下以流复制为例: 安装PostgreSQL 配置软件源:可以使用O…...

数学平均数应用

给定一个长度为 n 的数组 a。在一次操作中,你可以从索引 2 到 n−1中选择一个索引i,然后执行以下两个操作之一: 将 a[i−1] 减少 1,同时将 a[i1] 增加 1。 将 a[i1] 减少 1,同时将 a[i−1] 增加 1。 在每次操作后&…...

元旦和春节取名的历史变迁

在中国漫长的历史长河中的春节,真要追溯起来也只有一百多年历史——是从晚清时期才逐渐出现在国人的生活里的,而且那时不叫“春节”而叫“元旦”。只不过随着历史的发展过程,“过年”这个名词也一直在演变,直至1949年最终才定下来…...

USB鼠标的数据格式

USB鼠标的数据格式由HID&#xff08;Human Interface Device&#xff09;协议定义&#xff0c;通常包含3个字节的标准数据&#xff0c;具体格式如下&#xff1a; 字节内容描述第1字节按键状态Bit 0: 左键按下&#xff08;1&#xff09;<br>Bit 1: 右键按下&#xff08;1…...

【Numpy核心编程攻略:Python数据处理、分析详解与科学计算】1.27 线性代数王国:矩阵分解实战指南

1.27 线性代数王国&#xff1a;矩阵分解实战指南 #mermaid-svg-JWrp2JAP9qkdS2A7 {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-JWrp2JAP9qkdS2A7 .error-icon{fill:#552222;}#mermaid-svg-JWrp2JAP9qkdS2A7 .erro…...

Kafka常见问题之 java.io.IOException: Disk error when trying to write to log

文章目录 Kafka常见问题之 java.io.IOException: Disk error when trying to write to log1. 问题概述2. 问题排查方向&#xff08;1&#xff09;磁盘空间不足&#xff08;2&#xff09;磁盘 I/O 故障&#xff08;3&#xff09;Kafka 日志文件损坏&#xff08;4&#xff09;Kaf…...

libOnvif通过组播不能发现相机

使用libOnvif库OnvifDiscoveryClient类&#xff0c; auto discovery new OnvifDiscoveryClient(QUrl(“soap.udp://239.255.255.250:3702”), cb.Build()); 会有错误&#xff1a; end of file or no input: message transfer interrupted or timed out(30 sec max recv delay)…...

Flink (十二) :Table API SQL (一) 概览

Apache Flink 有两种关系型 API 来做流批统一处理&#xff1a;Table API 和 SQL。Table API 是用于 Scala 和 Java 语言的查询API&#xff0c;它可以用一种非常直观的方式来组合使用选取、过滤、join 等关系型算子。Flink SQL 是基于 Apache Calcite 来实现的标准 SQL。无论输入…...

FFmpeg(7.1版本)的基本组成

1. 前言 FFmpeg 是一个非常流行的开源项目&#xff0c;它提供了处理音频、视频以及其他多媒体内容的强大工具。FFmpeg 包含了大量的库&#xff0c;可以用来解码、编码、转码、处理和播放几乎所有类型的多媒体文件。它广泛用于视频和音频的录制、转换、流媒体传输等领域。 2. F…...

基于微信小程序的辅助教学系统的设计与实现

标题:基于微信小程序的辅助教学系统的设计与实现 内容:1.摘要 摘要&#xff1a;随着移动互联网的普及和微信小程序的兴起&#xff0c;基于微信小程序的辅助教学系统成为了教育领域的一个新的研究热点。本文旨在设计和实现一个基于微信小程序的辅助教学系统&#xff0c;以提高教…...

单片机基础模块学习——超声波传感器

一、超声波原理 左边发射超声波信号&#xff0c;右边接收超声波信号 左边的芯片用来处理超声波发射信号&#xff0c;中间的芯片用来处理接收的超声波信号 二、超声波原理图 T——transmit 发送R——Recieve 接收 U18芯片对输入的N_A1信号进行放大&#xff0c;然后输入给超声…...

HTML<hgroup>标签

例子&#xff1a; 使用hgroup元素标记标题和段落是相关的&#xff1a; <hgroup> <h2>Norway</h2> <p>The land with the midnight sun.</p> </hgroup> 定义和用法&#xff1a; 标签<hgroup>用于包围标题和一个或多个<p&g…...

C++并发编程指南08

以下是经过优化排版后的5.3节内容&#xff0c;详细解释了C中的同步操作和强制排序机制。每个部分都有详细的注释和结构化展示。 文章目录 5.3 同步操作和强制排序假设场景示例代码 5.3.1 同步发生 (Synchronizes-with)基本思想 5.3.2 先行发生 (Happens-before)单线程环境多线程…...

Spring Boot - 数据库集成03 - 集成Mybatis

Spring boot集成Mybatis 文章目录 Spring boot集成Mybatis一&#xff1a;基础知识1&#xff1a;什么是MyBatis2&#xff1a;为什么说MyBatis是半自动ORM3&#xff1a;MyBatis栈技术演进3.1&#xff1a;JDBC&#xff0c;自行封装JDBCUtil3.2&#xff1a;IBatis3.3&#xff1a;My…...

python:洛伦兹变换

洛伦兹变换&#xff08;Lorentz transformations&#xff09;是相对论中的一个重要概念&#xff0c;特别是在讨论时空的变换时非常重要。在四维时空的背景下&#xff0c;洛伦兹变换描述了在不同惯性参考系之间如何变换时间和空间坐标。在狭义相对论中&#xff0c;洛伦兹变换通常…...

“星门计划对AI未来的意义——以及谁将掌控它”

“星门计划对AI未来的意义——以及谁将掌控它” 图片由DALL-E 3生成 就在几天前&#xff0c;唐纳德特朗普宣布了“星门计划”&#xff0c;OpenAI随即跟进&#xff0c;分享了更多细节。他们明确表示&#xff0c;计划在未来四年内投资5000亿美元&#xff0c;在美国为OpenAI构建一…...

为什么“记住密码”适合持久化?

✅ 特性 1&#xff1a;应用重启后仍需生效 记住密码的本质是长期存储用户的登录凭证&#xff08;如用户名、密码、JWT Token&#xff09;&#xff0c;即使用户关闭应用、重启设备&#xff0c;仍然可以自动登录。持久化存储方案&#xff1a; React Native 推荐使用 AsyncStorag…...

国产SiC碳化硅功率器件技术成为服务器电源升级的核心引擎

在服务器电源应用中&#xff0c;国产650V碳化硅&#xff08;SiC&#xff09;MOSFET逐步取代传统超结&#xff08;Super Junction, SJ&#xff09;MOSFET&#xff0c;其核心驱动力源于SiC材料在效率、功率密度、可靠性和长期经济性上的显著优势&#xff0c;叠加产业链成熟与政策…...

Z-Image-GGUF在软件测试中的应用:自动化生成测试用例示意图

Z-Image-GGUF在软件测试中的应用&#xff1a;自动化生成测试用例示意图 你是不是也遇到过这样的场景&#xff1f;写测试用例文档时&#xff0c;为了描述一个复杂的用户操作流程&#xff0c;绞尽脑汁写了半天文字&#xff0c;结果评审时&#xff0c;开发同事还是没完全看懂&…...

解析RK3566平台双摄(OV5648+GC2145)的Split Mode配置实战

1. RK3566双摄系统架构解析 当我们需要在嵌入式设备上实现双摄像头功能时&#xff0c;RK3566平台提供了一个非常灵活的解决方案。这个平台虽然只有一个物理MIPI CSI-2 DPHY接口&#xff0c;但通过Split Mode技术&#xff0c;可以将其拆分为多个逻辑接口使用。这就好比一条四车道…...

小白友好!MedGemma X-Ray完整使用流程:上传、提问、获取报告

小白友好&#xff01;MedGemma X-Ray完整使用流程&#xff1a;上传、提问、获取报告 你是不是也遇到过这样的情况&#xff1f;拿到一张胸部X光片&#xff0c;看着上面复杂的骨骼、肺纹理和阴影&#xff0c;感觉无从下手&#xff0c;不知道哪些是正常的&#xff0c;哪些是需要关…...

TinyNAS子网硬件感知编译:针对T4 GPU的CUDA kernel自动调优

TinyNAS子网硬件感知编译&#xff1a;针对T4 GPU的CUDA kernel自动调优 1. 项目概述 1.1 这是什么技术&#xff1f; TinyNAS子网硬件感知编译是一项专门针对NVIDIA T4 GPU优化的深度学习编译技术。它通过智能分析神经网络结构和硬件特性&#xff0c;自动生成最优的CUDA kern…...

Z-Image-Turbo-辉夜巫女完整指南:模型文件结构解析、LoRA注入位置与安全校验

Z-Image-Turbo-辉夜巫女完整指南&#xff1a;模型文件结构解析、LoRA注入位置与安全校验 1. 模型简介与部署准备 Z-Image-Turbo-辉夜巫女是基于Z-Image-Turbo模型的LoRA变体&#xff0c;专门针对生成日系动漫风格"辉夜巫女"角色图像进行了优化。该模型通过Xinferen…...

Ext2Read:3个高效方案解决Windows读取Linux分区难题

Ext2Read&#xff1a;3个高效方案解决Windows读取Linux分区难题 【免费下载链接】ext2read A Windows Application to read and copy Ext2/Ext3/Ext4 (With LVM) Partitions from Windows. 项目地址: https://gitcode.com/gh_mirrors/ex/ext2read 一、痛点直击&#xff…...

DIYables WebApps:面向Arduino的嵌入式WebSocket Web应用框架

1. 项目概述DIYables WebApps 是一个面向教育与快速原型开发的嵌入式 Web 应用框架&#xff0c;专为 Arduino Uno R4 WiFi 与 DIYables STEM V4 IoT 平台深度优化。它并非传统意义上的“Web 服务器库”&#xff0c;而是一套硬件感知、内存敏感、即插即用的 WebSocket Web 应用容…...

Python 官方下载页面(如 python.org/downloads/)的片段,列出了 Windows 平台下 Python 3.13.11

Python 官方下载页面&#xff08;如 python.org/downloads/&#xff09;的片段&#xff0c;列出了 Windows 平台下 Python 3.13.11&#xff08;发布于 2025 年 12 月 5 日&#xff09;的多种安装包选项。以下是各选项的简要说明&#xff1a; Windows installer (64-bit / 32-b…...

WebRTC信令交换实战:从Socket.io到RTCPeerConnection的完整流程解析

1. WebRTC信令交换的核心逻辑 第一次接触WebRTC时&#xff0c;我被它"点对点直接通信"的特性吸引&#xff0c;但很快发现真正的难点在于如何让两个设备找到彼此——这就是信令交换要解决的问题。信令交换就像两个陌生人交换电话号码的过程&#xff0c;只不过这里交换…...

基于SSM + Vue的二手物品交易网站系统(角色:用户、管理员)

文章目录前言一、详细操作演示视频二、具体实现截图三、技术栈1.前端-Vue.js2.后端-SpringBoot3.数据库-MySQL4.系统架构-B/S四、系统测试1.系统测试概述2.系统功能测试3.系统测试结论五、项目代码参考六、数据库代码参考七、项目论文示例结语前言 &#x1f49b;博主介绍&#…...