安装

我们需要配置一个环境来运行 Python、Jupyter Notebook、相关库以及运行本书所需的代码,以快速入门并获得动手学习经验。

安装 Miniconda

最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda,则可以跳过以下步骤。访问Miniconda网站,根据Python3.x版本确定适合的版本。

如果我们使用macOS,假设Python版本是3.9(我们的测试版本),将下载名称包含字符串“MacOSX”的bash脚本,并执行以下操作:

# 以Intel处理器为例,文件名可能会更改
sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b

如果我们使用Linux,假设Python版本是3.9(我们的测试版本),将下载名称包含字符串“Linux”的bash脚本,并执行以下操作:

# 文件名可能会更改
sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b

接下来,初始化终端Shell,以便我们可以直接运行conda

~/miniconda3/bin/conda init

现在关闭并重新打开当前的shell。并使用下面的命令创建一个新的环境:

conda create --name d2l python=3.9 -y

现在激活 d2l 环境:

conda activate d2l

安装深度学习框架和d2l软件包

在安装深度学习框架之前,请先检查计算机上是否有可用的GPU。 例如可以查看计算机是否装有NVIDIA GPU并已安装CUDA。 如果机器没有任何GPU,没有必要担心,因为CPU在前几章完全够用。 但是,如果想流畅地学习全部章节,请提早获取GPU并且安装深度学习框架的GPU版本。

安装MXNet的GPU版本,首先需要知道已安装的CUDA版本。 (可以通过运行nvcc --versioncat /usr/local/cuda/version.txt来检验。) 假设已安装CUDA 10.1版本,请执行以下命令:

# 对于Linux和macOS用户
pip install mxnet-cu101==1.7.0

# 对于Windows用户
pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python

可以根据CUDA版本更改如上mxnet-cu101的最后一位数字, 例如:CUDA 10.0是cu100, CUDA 9.0是cu90

如果机器没有NVIDIA GPU或CUDA,可以按如下方式MXNet的CPU版本:

pip install mxnet==1.7.0.post1

我们可以按如下方式安装PyTorch的CPU或GPU版本:

pip install torch==1.12.0
pip install torchvision==0.13.0

我们可以按如下方式安装TensorFlow的CPU或GPU版本:

pip install tensorflow==2.8.0
pip install tensorflow-probability==0.16.0

安装PaddlePaddle的GPU版本,首先需要知道已安装的CUDA版本。 (可以通过运行nvcc --versioncat /usr/local/cuda/version.txt来检验。) 假设已安装CUDA 11.2版本,请执行以下命令:

python -m pip install paddlepaddle-gpu==2.3.2.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html

如果机器没有NVIDIA GPU或CUDA,可以按如下方式PaddlePaddle的CPU版本:

python -m pip install paddlepaddle==2.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple

我们的下一步是安装d2l包,以方便调取本书中经常使用的函数和类:

pip install d2l==0.17.6

下载 D2L Notebook

接下来,需要下载这本书的代码。 可以点击本书HTML页面顶部的“Jupyter 记事本”选项下载后解压代码,或者可以按照如下方式进行下载:

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 mxnet

注意:如果没有安装unzip,则可以通过运行sudo apt install unzip进行安装。

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。

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 tensorflow

注意:如果没有安装unzip,则可以通过运行sudo apt install unzip进行安装。

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 paddle

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

现在可以在Web浏览器中打开http://localhost:8888(通常会自动打开)。 由此,我们可以运行这本书中每个部分的代码。 在运行书籍代码、更新深度学习框架或d2l软件包之前,请始终执行conda activate d2l以激活运行时环境。 要退出环境,请运行conda deactivate