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）。
- Windows用户就选择Windows版本就可以了，按需选择32位或64位
- 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。
- 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
- 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
-
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
-
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
-
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