动手深度学习-环境配置(手动安装,一步一步教你,有截图可看)

本文详细介绍了在Windows操作系统上搭建深度学习环境的步骤,包括安装Miniconda、配置清华镜像加速、创建虚拟环境、安装所需软件包(如MXNet、d2lzh、Jupyter等)以及如何验证安装是否成功。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

一:官网教程

这一部分对应了书中的第二讲:预备知识部分。因为我是Windows用户,所以这里先只讲Windows部分的安装过程。

1:第一步是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,将python添加到环境变量中。(https://conda.io/en/master/miniconda.html
2: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。


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),在命令行模式下输入:pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

第四步: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。也就是说,environment.yml这个文件里面的包会在执行下面这条命令之后被自动安装好。

这是我的:有问题:所以我自动安装其实并没有成功,其实可以进入环境(conda activate gluon)

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。

然后:pip list(会显示你已经安装好的,你可以去看看),对比下environment.yml 里的东西,看有没有,有就是代表成功。

没有就我们来手动加入:1:退出环境,conda deactivate,然后删除所有的:conda remove -n gluon --all,再然后看看有没有删干净:conda info --env

删除干净了是这样子:

2:进入环境:conda activate gluon ,去手动下载:pip install +版本(对应environment.yml 里的版本)

一个一个对应下载:

pip install mxnet==1.5.0 ,他就会自动开始下载,下载完成后,你可以输入pip list 看有没有成功

这里检查下Python安装好没有:输入python,出现python的版本号的就代表成功

pip install d2lzh==1.0.0

pip install jupyter==1.0.0

pip install matplotlib==2.2.2

pip install pandas==0.23.4

只要等就会自己安装好。

 

这样就基本配置好了。

 

三:打开Jupyter记事本

jupyter notebook

搭配环境就初步成功了。

 

 

 

 

 

 

### 李沐深度学习环境配置安装程 #### 1. Anaconda安装 为了搭建李沐《动手深度学习》所需的开发环境,首先需要安装 AnacondaAnaconda 是一个开源的数据科学平台,包含了 Python 和大量的数据处理工具包[^1]。 下载并安装最新版本的 Anaconda 后,可以通过以下方式验证安装是否成功: ```bash conda --version ``` 如果显示 Conda 版本号,则说明安装成功。 --- #### 2. 创建虚拟环境 为了避免不同项目之间的依赖冲突,建议为深度学习项目创建独立的虚拟环境。通过以下命令可以完成虚拟环境的创建: ```bash conda create -n d2l python=3.9 ``` 这里我们将虚拟环境命名为 `d2l` 并指定 Python 版本为 3.9[^4]。 激活该虚拟环境: ```bash conda activate d2l ``` --- #### 3. 配置 PyTorch (支持 GPU 加速) 对于深度学习框架的选择,《动手深度学习》推荐使用 PyTorch。以下是基于 CUDA 支持的 PyTorch 安装方法: 运行以下命令来安装支持 GPU 的 PyTorch(假设您的显卡驱动已正确安装,并且支持 CUDA 11.0 或更高版本): ```bash conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch ``` 此命令会自动安装与 CUDA 工具链兼容的 PyTorch 及其相关组件[^5]。 如果您不需要 GPU 支持,也可以选择 CPU-only 版本: ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` --- #### 4. Jupyter Notebook 的配置 Jupyter Notebook 是一种交互式的编程环境,非常适合用于实验和调试代码。在虚拟环境中启用 Jupyter Notebook: 确保您已经安装了 Jupyter: ```bash conda install jupyterlab ``` 启动 Jupyter Lab: ```bash jupyter lab ``` 当您希望在特定虚拟环境下工作时,可能需要手动加载对应环境中的 kernel。执行如下操作以注册当前虚拟环境到 Jupyter 中: ```bash python -m ipykernel install --user --name=d2l --display-name "Python (D2L)" ``` 这样可以在 Jupyter 界面中看到名为 **Python (D2L)** 的选项[^3]。 --- #### 5. 下载并解压课程资源 访问官方材地址 https://zh-v2.d2l.ai/ ,找到配套源码链接 `d2l-zh.zip` 文件。将其保存至用户目录下的 “李沐课程” 文件夹中[^2]。 随后解压缩文件: ```bash unzip d2l-zh.zip -d ./d2l-course/ ``` 进入解压后的路径即可查看所有章节对应的代码实现。 --- #### 6. 测试环境是否正常 最后一步是对整个流程进行测试,确认各部分功能无误。打开任意一节练习笔记本文档 `.ipynb` 运行单元格观察是否有错误提示。如果没有异常则表明环境部署完毕! --- ### 总结 以上步骤涵盖了从基础软件准备到具体实践所需的一切环节。按照上述指南逐步实施能够顺利构建适合阅读《动手深度学习》书籍的学习场所。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值