pyd2l

pyd2l 是 《动手学深度学习》（Dive into Deep Learning，d2l）库的扩展包，专注于解决在新版 PyTorch 环境下的 ABI 与环境适配问题，使书中代码在各类版本组合下都能顺畅安装、运行而不报错。

为什么需要 pyd2l

原始 d2l 包在 install_requires 中锁定了较旧的依赖版本（如 numpy==1.24、matplotlib==3.5.1、pandas==1.2.4 等），这会导致：

• 在较新的 Python / PyTorch / NumPy 环境下安装时产生版本冲突
• 与用户已有的新版科学计算栈不兼容
• 因 ABI 不匹配（尤其涉及编译扩展的包）而报错

pyd2l 通过解除版本锁来最大化环境兼容性：所有依赖均不锁定版本号，pip 不会覆盖用户已安装的包，从而适配尽可能多的版本组合。

安装

pip install pyd2l

如果你已经装好 PyTorch（含对应的 CUDA / CPU 版本），pyd2l 不会覆盖它——它只确保其余依赖（numpy、pandas、matplotlib 等）就位。

使用方法

pyd2l 的 API 与 d2l.torch 完全一致，可作为直接替代：

from pyd2l import torch as d2l

d2l.use_svg_display()
d2l.set_figsize((6, 4))

# 与书中示例相同的调用方式
X = d2l.tensor([1.0, 2.0, 3.0])
print(d2l.numpy(X))

所有 d2l.torch 中的函数（DATA_HUB、DATA_URL、plot、Timer、Accumulator、Animator、训练循环工具等）均可在 pyd2l 中以相同方式调用。

与 d2l 的关系

	d2l	pyd2l
依赖版本	锁定旧版	不锁定，自适应
PyTorch 适配	面向旧版 torch	面向新版 torch
安装冲突	常见	已缓解
API	—	完全兼容 d2l.torch

pyd2l 在 d2l 的基础上扩展开发，保留了原库全部功能，重点改进了环境适配能力。

依赖

以下依赖均不锁定版本，由用户的运行环境决定：

• torch
• torchvision
• numpy
• pandas
• matplotlib
• requests
• Pillow

许可证

MIT-0（MIT No Attribution），与 d2l 代码部分一致。