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。 从网站下载相应的 Miniconda sh 文件,然后使用 sh <FILENAME> -b 从命令行执行安装。

对于 macOS 用户:

# 文件名可能会更改
sh Miniconda3-latest-MacOSX-x86_64.sh -b

对于 Linux 用户:

# 文件名可能会更改
sh Miniconda3-latest-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。你应该能用下面的命令创建一个新的环境:

conda create --name d2l python=3.8 -y

下载 D2L Notebook

接下来,需要下载这本书的代码。你可以点击任何 HTML 页面顶部的 “Jupyter 记事本文件” 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.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip

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

现在我们要激活 d2l 环境。

conda activate d2l

安装框架和 d2l 软件包

在安装深度学习框架之前,请先检查你的计算机上是否有可用的 GPU(在笔记本电脑上为显示器提供输出的GPU不算)。如果要在 GPU 机器上安装,请继续在 GPU 支持 获取有关安装GPU支持版本的说明。

或者,你可以按照如下方法安装CPU版本。这将足够帮助你完成前几章,但你需要在运行更大模型之前获取GPU。

pip install mxnet==1.7.0.post1
pip install torch torchvision

你可以通过以下方式安装具有 CPU 和 GPU 支持的 TensorFlow:

pip install tensorflow tensorflow-probability

你还需要安装 d2l 软件包,它封装了本书中常用的函数和类。

# -U:将所有包升级到最新的可用版本
pip install -U d2l

安装完成后,我们通过运行以下命令打开 Jupyter 笔记本:

jupyter notebook

现在,你可以在 Web 浏览器中打开 http://localhost:8888(通常会自动打开)。然后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

GPU 支持

默认情况下,安装的MXNet不支持GPU。这可以确保它在任何计算机(包括大多数笔记本电脑)上运行。本书的部分内容建议或要求使用 GPU 运行。如果你的计算机带有 NVIDIA 显卡并且已安装 CUDA,则应安装支持 GPU 的版本。如果你已经安装了仅支持 CPU 版本,则可能需要先通过运行以下命令将其删除:

pip uninstall mxnet

然后,我们需要找到安装的 CUDA 版本。你可以通过 nvcc --versioncat /usr/local/cuda/version.txt 查看。假设你已安装 CUDA 10.1,则可以使用以下命令进行安装:

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

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

你可以根据你的 CUDA 版本更改最后一位数字,例如:CUDA 10.0 是 cu100, CUDA 9.0 是 cu90

默认情况下,深度学习框架安装了GPU支持。 如果你的计算机有NVIDIA GPU,并且已经安装了CUDA,那么你应该已经配置好了。

默认情况下,深度学习框架安装了GPU支持。 如果你的计算机有NVIDIA GPU,并且已经安装了CUDA,那么你应该已经配置好了。

练习

  1. 下载该书的代码并安装运行时环境。