动手学深度学习——Windows下的环境安装流程(一步一步安装,图文并配)

目录

环境安装

文章参考来源:http://t.csdn.cn/tu8V8

官网步骤图文版

安装Miniconda

根据操作系统下载并安装Miniconda,在安装过程中需要勾选"Add Anaconda to the system PATH environment variable"选项(如当conda版本为4.6.14时)。

  1. Windows用户就选择Windows版本就可以了,按需选择32位或64位
  1. 安装好后,按下列步骤进行。





等待安装,安装完成


下载包含本书全部代码的压缩包

第二步是下载包含本书全部代码的压缩包。我们可以在浏览器的地址栏中输入 https://zh.d2l.ai/d2l-zh-1.0.zip 并按回车键进行下载。下载完成后,创建文件夹"d2l-zh"并将以上压缩包解压到这个文件夹。在该目录文件资源管理器的地址栏输入cmd进入命令行模式。

  1. 解压文件的步骤可根据自己的解压工具来解压,我这里用的是 WinRAR



  1. 打开文件夹,在该目录文件资源管理器的地址栏输入cmd进入命令行模式。

使用conda创建虚拟(运行)环境

第三步是使用conda创建虚拟(运行)环境。conda和pip默认使用国外站点来下载软件,我们可以配置国内清华镜像来加速下载(国外用户无须此操作)。

# 配置清华PyPI镜像(如无法运行,将pip版本升级到>=10.0.0)
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

使用conda创建虚拟环境并安装本书需要的软件

这里environment.yml是放置在代码压缩包中的文件。使用文本编辑器打开该文件,即可查看运行压缩包中本书的代码所依赖的软件(如MXNet和d2lzh包)及版本号。

conda env create -f environment.yml


  1. 如果你的电脑上安装好了cuda(进入cmd,输入nvcc -V能查看版本并且没有报错),那么建议安装GPU版本的MXNet。具体操作:使用文本编辑器打开本书的代码所在根目录下的文件environment.yml,将里面的字符串"mxnet"替换成对应的GPU版本。例如,如果计算机上装的是8.0版本的CUDA,将该文件中的字符串"mxnet"改为"mxnet-cu80"。如果计算机上安装了其他版本的CUDA(如7.5、9.0、9.2等),对该文件中的字符串"mxnet"做类似修改(如改为"mxnet-cu75""mxnet-cu90""mxnet-cu92"等)。保存文件后退出。然后再执行

    conda env create -f environment.yml

  2. 如果不小心已经安装好了虚拟环境,那么需要先卸载CPU版本的MXNet:

    pip uninstall mxnet

然后再重新更新我们的虚拟环境配置:

conda env update -f environment.yml
  1. 如果使用国内镜像后出现安装错误,首先取消PyPI镜像配置,即执行命令:

    pip config unset global.index-url

然后重试命令:

conda env create -f environment.yml

激活之前创建的环境

第四步是激活之前创建的环境。激活该环境是能够运行本书的代码的前提。激活之后,会在提示符前出现(gluon)字样,表示已经进入了虚拟环境。

conda activate d2l  # 若conda版本低于4.4,使用命令activate gluon

如需退出虚拟环境,可使用命令conda deactivate(注意这里没有参数)若conda版本低于4.4,使用命令deactivate。

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

打开Jupyter记事本

安装完成后,我们通过运行以下命令打开 Jupyter 笔记本:

jupyter notebook


《动手学深度学习》一书中若干章节的代码会自动下载数据集和预训练模型,并默认使用美国站点下载。我们可以在运行Jupyter前指定MXNet使用国内站点下载书中的数据和模型(国外用户无需此操作)。

set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
相关推荐
SEU-WYL15 分钟前
基于深度学习的任务序列中的快速适应
人工智能·深度学习
OCR_wintone42117 分钟前
中安未来 OCR—— 开启高效驾驶证识别新时代
人工智能·汽车·ocr
matlabgoodboy27 分钟前
“图像识别技术:重塑生活与工作的未来”
大数据·人工智能·生活
最近好楠啊43 分钟前
Pytorch实现RNN实验
人工智能·pytorch·rnn
OCR_wintone4211 小时前
中安未来 OCR—— 开启文字识别新时代
人工智能·深度学习·ocr
学步_技术1 小时前
自动驾驶系列—全面解析自动驾驶线控制动技术:智能驾驶的关键执行器
人工智能·机器学习·自动驾驶·线控系统·制动系统
IFTICing1 小时前
【文献阅读】Attention Bottlenecks for Multimodal Fusion
人工智能·pytorch·python·神经网络·学习·模态融合
大神薯条老师1 小时前
Python从入门到高手4.3节-掌握跳转控制语句
后端·爬虫·python·深度学习·机器学习·数据分析
程序猿阿伟1 小时前
《C++游戏人工智能开发:开启智能游戏新纪元》
c++·人工智能·游戏
神一样的老师1 小时前
讯飞星火编排创建智能体学习(四):网页读取
人工智能·学习·语言模型·自然语言处理