# 深度学习及动手实践

**Repository Path**: nablacfd/DiveIntoDeepLearning

## Basic Information

- **Project Name**: 深度学习及动手实践
- **Description**: 动手学习深度学习！！！
- **Primary Language**: Python
- **License**: GPL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2021-08-28
- **Last Updated**: 2024-09-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 深度学习及动手实践

#### Description
动手学习深度学习！！！
学习过程的主要参考书籍《动手学深度学习》及其相关配套资源。



#### 动手深度学习
+ [PyTorch官方gitHub](https://github.com/pytorch)
+ [动手学习深度学习-电子书(中文版)](https://zh-v2.d2l.ai/d2l-zh-pytorch.pdf)+[电子书(英文版)](https://d2l.ai/index.html)+[李沐gitHub](https://github.com/d2l-ai)+[PyTorch实现](https://github.com/dsgiitr/d2l-pytorch)。书籍的第二版主页：[https://zh.d2l.ai/](https://links.jianshu.com/go?to=https%3A%2F%2Fzh.d2l.ai%2F) （代码实现基于mxnet, pytorch, tensorflow），相关的PDF版亦可在群文件夹中找到。另外书籍也在更新和fix typos等，最新的书籍可以从以下网址获得：
>2023-03-15更新
  ++ 英文版git地址：[https://github.com/d2l-ai/d2l-en](https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fd2l-ai%2Fd2l-en)
  ++ 中文版git地址：[https://github.com/d2l-ai/d2l-zh](https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fd2l-ai%2Fd2l-zh)
  ++ 相关的讨论论坛：[https://discuss.d2l.ai/](https://links.jianshu.com/go?to=https%3A%2F%2Fdiscuss.d2l.ai%2F)
  ++ 在线课程：[https://courses.d2l.ai/zh-v2/](https://links.jianshu.com/go?to=https%3A%2F%2Fcourses.d2l.ai%2Fzh-v2%2F)
  ++ 中文课件：[https://github.com/d2l-ai/berkeley-stat-157/tree/master/slides-zh](https://links.jianshu.com/go?to=https%3A%2F%2Fgithub.com%2Fd2l-ai%2Fberkeley-stat-157%2Ftree%2Fmaster%2Fslides-zh)
  ++ 书中代码pytorch实现：[https://github.com/ShusenTang/Dive-into-DL-PyTorch]

+ [各种著名DL-networks的pytorch实现](https://nn.labml.ai/)

>2023-4-1更新
PyTorch的官方文档及两本新书：
0. **[PyTorch的官方文档](https://pytorch.org/docs/stable/index.html)**
1. **[Zero to Mastery Learn PyTorch for Deep Learning](https://www.learnpytorch.io/)**及其对应的[源码](https://github.com/mrdbourke/pytorch-deep-learning)
2. **[Deep Learning with PyTorch](https://livebook.manning.com/book/deep-learning-with-pytorch/chapter-1/)**
3. **[Microsoft Train - PyTorch Fundamental](https://learn.microsoft.com/en-us/training/paths/pytorch-fundamentals/)**
4. Another resource: [Deep Learning with PyTorch](https://machinelearningmastery.com/deep-learning-with-pytorch/)

#### 0. Python及PyTorch环境的安装
在windows环境下，首先下载Miniconda3-py39_23.1.0-1-Windows-x86_64，然后安装。然后使用Anaconda Powershell Prompt依次执行如下命令配置环境：

```powershell
#在CPU系统安装
conda --version #观察已安装的conda的版本号

conda update conda
#创建虚拟的python3.9环境，配置CPU版pytorch
conda create --name d2l python=3.9 -y
conda activate d2l #激活上述创建的python环境
#安装pytorch等DL框架 
pip install torch==1.12.0 torchvision==0.13.0
pip install d2l==0.17.6
pip install jupyter #安装jupyter
#现在动手学习深度学习的源代码，解压后放置目标位置；也可以在QQ群中找到都d2l-zh.zip，解压即可使用
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
cd d2l-zh #在目标位置进入d2l目录

conda deactivate d2l

#安装GPU版本
nvidia-smi.exe #观察系统中已安装的CUDA版本号,我的机器安装了CUDA version 12.0
conda create --name d2l-gpu python=3.9 -y
conda activate d2l-gpu
#但是pytorch的官网，并没有cuda-12.0对应版本，选择了一个最接近的小版本cu116
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
#后续和CPU版本是一样的
pip install d2l==0.17.6
pip install jupyter #安装jupyter
#现在动手学习深度学习的源代码，解压后放置目标位置
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
cd d2l-zh #在目标位置进入d2l目录
```

```
>conda info
>conda info --env # conda info -e
>conda list #列出所有安装的包信息
```

```
torch.cuda.is_available()
torch.cuda.device_count()
torch.cuda.list_gpu_processors()
torch.cuda.get_device_name() # get_device_properties() or get_device_capability()
```

#### A.数据集的制作
+ [制作自己数据的数据集-官方练习0-张量](https://zhuanlan.zhihu.com/p/374101286)
+ [制作自己数据的数据集-官方练习1-读取官方数据集](https://zhuanlan.zhihu.com/p/373976907)
+ [制作自己数据的数据集-官方练习2-派生自己的数据集](https://zhuanlan.zhihu.com/p/374116297)
+ [制作自己数据的数据集-官方练习3-数据转换](https://zhuanlan.zhihu.com/p/374188672)

### 学习进度安排
#### Week 1
+ 完成第一章的学习。
 

#### Week2
2023-03-20
+ 本周任务：第二章2.1-2.4节（不包括2.4节）

#### Week3
2023-03-27
+ 本周任务：完成第二章的全部内容，并且动手练习第二章的代码。

#### Week4
2023-04-02
本周任务（相对前两周，本周任务略多，请各位合理安排时间）：
+ 熟悉官方文档，在其官方网址到处逛逛，浏览性查看其官方文档和帮助，看看里面都有什么。*这才是第一首资料*。
  + 理解TENSOR（https://pytorch.org/tutorials/beginner/basics/tensorqs_tutorial.html）
  + 浏览TENSOR的所有操作（https://pytorch.org/docs/stable/torch.html#）
+ 完成《Deep Learning with PyTorch》第一和三章的阅读和学习，并对执行相应代码，生成对应的jupyter notebook文件。
  + 第一章可以粗读，理解基本概况就。其网址链接如下：https://livebook.manning.com/book/deep-learning-with-pytorch/chapter-1/1
  + 第三章应该适当精度，理解tensor（张量）和其基本操作。其网址链接如下：https://livebook.manning.com/book/deep-learning-with-pytorch/chapter-3/
+ 完成《动手学深度学习》第三章内容的学习，及相应代码的重现。

相关的Python基础
+ [Scipy Lecture Notes ](http://scipy-lectures.org/)

#### Week5

复习（这些都是前几周学过的知识，大家可以看看这些视频，相对比较简单）：相关视频P1-P40，网址为：[2023首发-深度学习PyTorch实战计算机视觉实战](https://www.bilibili.com/video/BV1T54y1c7pP/?vd_source=da0b9d6d2e578563d89dac2c7764880f)