一、d2l简介
在人工智能与深度学习领域，d2l 通常指的是 《动手学深度学习》（Dive into Deep Learning） 这一具有里程碑意义的开源教育资源。它由李沐等知名学者和工程师主导，旨在通过"边学边练"的方式，帮助学习者系统掌握深度学习的核心概念与工程实践技能。
以下是 d2l 项目的几个核心特点：
1. 交互式学习体验
与传统静态教材不同，d2l 的内容全部以 Jupyter Notebook 格式组织。学习者可以"即开即用、边读边练、即时验证"，在浏览器或本地环境中直接运行代码、修改超参数并观察结果，真正实现了"所见即所得"的沉浸式学习。
2. 理论与实践深度融合
项目采用"概念---数学---代码---实验---批判性讨论"的五维螺旋上升结构。在讲解复杂算法时，不仅提供严谨的数学推导，还会逐行手写底层代码实现（如前向传播、反向传播），并结合可视化手段展示训练过程，帮助学习者知其然更知其所以然。
3. 跨框架支持与工业级工程实践
d2l 具备强大的跨框架抽象能力，同一章节内容可一键切换 PyTorch、TensorFlow 或 MXNet 等主流框架的实现。此外，项目强调工业级的工程规范，包含完善的版本管理、环境配置指南（如 environment.yml）以及针对真实开发陷阱（如 CUDA 内存溢出、混合精度训练报错等）的解决方案。
4. 活跃的开源社区生态
作为一个持续演进的教育基础设施，d2l 依托 GitHub 和专属论坛（discuss.d2l.ai）由全球数百名研究者、工程师与一线教师协同维护。社区沉淀了海量高质量的问答与讨论，形成了"问题即文档"的共生生态，目前已在全球 70 多个国家被 500 余所高校正式采用为教材。
二、安装与问题修复
2.1安装
装《动手学深度学习》（d2l）的推荐流程如下，主要包含环境配置、安装核心库以及获取教材代码三个步骤：
1. 创建并激活虚拟环境
推荐使用 conda 创建一个隔离的 Python 3.9 环境，以避免与你之前的 Anaconda 基础环境发生依赖冲突：
1conda create --name d2l python=3.9 -y
2conda activate d2l2. 安装深度学习框架与 d2l 库
进入 d2l 环境后，安装 PyTorch 框架以及 d2l 软件包。由于国内网络原因，强烈建议使用镜像源加速下载：
1# 安装 PyTorch (CPU版，若需GPU版请参考PyTorch官网命令)
2pip install torch torchvision -i https://pypi.tuna.tsinghua.edu.cn/simple
3
4# 安装 d2l 库
5pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple3. 下载教材代码资源
下载包含全书 Jupyter Notebook 的压缩包并解压：
1# 下载并解压教材代码
2wget https://zh-v2.d2l.ai/d2l-zh.zip
3unzip d2l-zh.zip4. 启动 Jupyter Notebook
在终端中进入解压后的 d2l-zh 目录，启动 Jupyter：
1cd d2l-zh
2jupyter notebook此时浏览器会自动打开 http://localhost:8888，你就可以在网页中边学边跑代码了。
💡 避坑提示：
如果在运行 Jupyter 时遇到 matplotlib 或 traitlets 等依赖冲突报错，可以尝试降级到兼容版本（例如：pip install matplotlib==3.5.3 traitlets==5.8.1）。
2.2 高版本安装报错问题
如果直接安装d2l，由于d2l对应各库版本比较旧，会直接引起安装问题。我们重新做了一个d21-017(对应0.17.6),把setup.py中的requirement中的所有==改成了>=。进一步安装该包:(1)首先在命令行环境中激活对应虚拟环境(课程利用的dI210);(2)目录切换到d21-017对应目录。(3)使用如下指令安装:pip install表示安装该目录下的包。此时pip将找到目录中的setup.py文件，并开始安装。
d21-017 来自青岛学习哈工大屈老师，下载请联系作者；
2.3 高版本安装报错问题---简洁解决版
助教发个简介解决问题版：
下载d2l 出错 先进入环境 运行conda install pywinpty -y 后 在运行pip install . --no-deps