深度学习初识与环境配置

初识

深度学习

机器学习的一种，其应用最早在图片分类，慢慢的进一步做物体检测、人脸合成、文字生成图片、文本生成

cuda

它是 NVIDIA公司推出的一种并行计算平台和编程模型。它允许软件开发人员使用C++、Python等语言，利用 GPU（图形处理器）中的数百上千个核心进行通用计算，借助cuda，可以进行高性能计算

miniconda

包含 Conda（包管理器和环境管理器）及其必需的依赖项（如 Python 解释器），可以创建独立的环境来做一些开发

jupyter

Jupyter Notebook（也就是.ipynb 文件）是一个交互式的代码笔记本。它把代码、运行结果（包括文字、图表）、文本说明（Markdown）完美地融合在同一个网页文档里。

它可以做到逐个代码块（Cell）进行运行，执行完后，变量和数据会保存在内存中，你可以直接在下一个 Cell 里接着使用这些变量。

环境配置

1.安装cuda

2.安装miniconda

3.打开anaconda powershell，进行其他的安装

bash 复制代码

//创建虚拟环境
conda create -n d2l python=3.9 -y
conda env list
conda activate d2l
//安装对应版本的pytorch
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

conda env remove -n d2l -y

测试cuda
python
>>> import torch
>>> a = torch.ones((3,1))
>>> a = a.cuda(0)
>>> b = torch.ones((3,1)).cuda(0)
>>> a + b
tensor([[2.],
        [2.],
        [2.]], device='cuda:0')
>>>quit()

pip install jupyter d2l
jupyter --version

cd 官网下载的文件夹
jupyter notebook

如果jupyter 启动出现了ssl.SSLError: $ASN1: NOT_ENOUGH_DATA$ not enough data (_ssl.c:4192)这样的错误，说明windows的系统证书存在坏的，导致读取失败，直接修改 Python 源码，强行跳过 Windows 证书，miniconda3\envs\d2ltest\lib\ssl.py，打开后查找_load_windows_store_certs函数，直接return掉

jupyter 打开后进入到/pytorch/chapter_convolutional-modern/resnet.ipynb，运行结束后得到如下结果，后面就可以开始进一步的学习了