03-安装

03-安装

本节目录

• 1.安装 python
• 2.安装 Miniconda/Anaconda
  • 2.1 安装 Miniconda
  • 2.2 Miniconda 环境操作
• 3.安装 Pytorch, d2l, jupyter 包
• 4. 总结

1.安装 python

首先前提是安装 python，这里推荐安装 python3.8 输入命令 sudo apt install python3.8 即可

2.安装 Miniconda/Anaconda

• 然后第二步，安装 Miniconda（如果已经安装 conda 或者 Miniconda，则可以跳过该步骤)。

  2.1 安装 Miniconda

  • 安装 MIniconda 的好处是可以创建很多虚拟环境，并且不同环境之间互相不会有依赖关系，对日后的项目有帮助，如果只想在本地安装的话，不装 Miniconda 只使用 pip 即可，第二步可以跳过。
  • 如果是 Windows 系统，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-Windows-x86_64.exe
  • 如果是 macOS，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-MacOSX-x86_64.sh 之后要输入命令 sh Miniconda3-py38_4.10.3-MacOSX-x86_64.sh -b
  • 如果是 Linux 系统，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-Linux-x86_64.sh 之后输入命令 sh Miniconda3-py38_4.10.3-Linux-x86_64.sh -b
  • 以上都是基于 python3.8 版本，对于其他版本，可以访问 https://docs.conda.io/en/latest/miniconda.html ，下载对应版本即可。

  2.2 Miniconda 环境操作

  • 对于第一次安装 Miniconda 的，要初始化终端 shell，输入命令 ~/miniconda3/bin/conda init
  • 这样我们就可以使用 conda create –name d2l python=3.8 -y 来创建一个名为 xxx 的环境，这里命名为 d2l
  • 打开 xxx 环境命令: conda activate xxx ；关闭命令：conda deactivate xxx。对于基础 conda 环境不用添加名

3.安装 Pytorch, d2l, jupyter 包

• 第三步，安装深度学习框架和d2l软件包

  在安装深度学习框架之前，请先检查你的计算机上是否有可用的 GPU（为笔记本电脑上显示器提供输出的 GPU 不算）。 例如，你可以查看计算机是否装有 NVIDIA GPU 并已安装CUDA。 如果你的机器没有任何 GPU，没有必要担心，因为你的 CPU 在前几章完全够用。 但是，如果你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。

  • 你可以按如下方式安装 PyTorch 的 CPU 或 GPU 版本：

    pip install torch==1.8.1
    pip install torchvision==0.9.1
    

  • 也可以访问官网 https://pytorch.org/get-started/locally/ 选择适合自己电脑 pytorch 版本下载

    

  • 本课程的 jupyter notebook 代码详见 https://zh-v2.d2l.ai/d2l-zh.zip

  • 下载 jupyter notebook ：输入命令 pip install jupyter notebook （若 pip 失灵可以尝试 pip3），输入密命令 jupyter notebook 即可打开。

4. 总结

• 本节主要介绍安装 Miniconda、CPU 环境下的 Pytorch和其它课程所需软件包(d2l, jupyter)。对于前面几节来说，CPU 已经够用了。
  • 如果您已经安装了 Miniconda/Anaconda, Pytorch 框架和 jupyter 记事本, 您只需再安装d2l 包，就可以跳过本节视频了开启深度学习之旅了; 如果希望后续章节在GPU 下跑深度学习, 可以新建环境安装CUDA 版本的 Pytorch。
  • 如果需要在 Windows 下安装 CUDA 和 Pytorch(cuda 版本)，用本地 GPU 跑深度学习，可以参考李沐老师Windows 下安装 CUDA 和 Pytorch 跑深度学习，如果网慢总失败的同学可以参考cuda11.0 如何安装 pytorch？ - Glenn1Q84 的回答 - 知乎。当然，如果不方便在本地进行配置(如无 GPU, GPU 显存过低等)，也可以选择Colab(需要科学上网)，或其它云服务器GPU 跑深度学习。
• 如果 pip 安装比较慢，可以用镜像源安装：

pip install torch torchvision -i http://mirrors.aliyun.com/pypi/simple/  --trusted-host mirrors.aliyun.com

• 如果安装时经常报错, 可以参考课程评论区部分。