手把手从入门教学深度学习（包括环境配置和学习）

深度学习初学者，很多知识还在摸索学习阶段
博客根据 李沐大神的动手学深度学习 ，主要是存在版本问题和一定的安装问题
如果博客有什么描述不对的地方，或者对某一块有更好的方法欢迎大佬评论或私信指出
爱学习，爱分享，爱交流

安装

​    安装Anaconda
​    更改Anaconda下载源
​    安装Pytorch
​       Pycharm绑定Anaconda的Pytorch
​    安装MXNet（无法安装，还在学习）
​    安装Paddle
​    安装Tensorflow
​    安装都d2l包

学习（未更新）

安装Anaconda

下载Anaconda的安装包，下面提供三个安装包下载链接

Anaconda官网链接

Anaconda清华镜像（选择对应系统的安装包）

Anaconda阿里云盘（Windows安装包）

下载后，打开安装包

点击Next

点击 I Agree

选择Just Me ，点击 Next

更换安装位置，点击 Next

红色下划线一定勾选 ，可以自动配置环境变量，点击 Install

等待安装完成，点击 Next

点击 Next

点击 Finish

安装完成

更改Anaconda下载源

打开Anaconda命令控制器，依次输入以下命令

一次一行输入，修改conda 和 pip 的下载源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

最后会显示，pip已经写入到某个目录的pip的ini文件中

安装Pytorch

NVIDIAControl Panel（NVIDIA控制面板）查看CUDA版本

如果是Nvidia显卡，首先要查看一下电脑的CUDA版本，下载时不能高于电脑的CUDA版本。

如果没有NVIDIAControl Panel（NVIDIA控制面板）

打开微软商店，搜索下载即可

如果有Nvidia Control Panel （NVIDIA控制面板），

右键任务栏Nvidia图标 ，选择 Nvidia Control Panel

（或者右键桌面空白位置，Win11记得要点一下显示更多选项才可以）

点击 Help（帮助）->System Information（系统信息）

选择 Components选项卡 ，红线位置即为CUDA驱动版本

此电脑的CUDA版本为 12.2

打开命令窗口安装

在搜索栏，搜索Anaconda Prompt (搜索cmd也会显示)

打开红色下划线应用

创建一个Pytorch环境，在命令窗口输入以下代码，回车 （3.11的环境也可以）

conda create -n pytorch python=3.11

输入 y，回车

创建完成

然后进入pytorch环境（名字一定要和自己创建的名字对应）

后面在pytorch环境继续就可以，不要在意图显示是base环境，这一步是后面补充的
环境名字严格区分大小写，上面创建的什么名字，下面进入环境就用什么名字

conda activate pytorch

打开 Pytorch官网，找到对应的版本。

我这里是CUDA 12.2，选低于电脑CUDA版本的即可，复制安装命令

这里可以选择Conda包，两种方法都可以，如果一个出现问题就去尝试一下另一个
如果仍然出现去pytorch官网下载，就把最后的 --index-url http …… 删掉，不让他去最后的网址下载

这里如果使用conda下载出问题，把最后的两个 -c pytorch -c nvidia 删掉即可
conda下载的相对于pip下载的内容少，（conda会重复利用依赖，pip会独立下载依赖）

回车，即可下载

我这里已经下载过了，显示已存在（下载过程可能会慢一些）

如果没有对应的CUDA版本可以点击这里，寻找以前版本的

验证是否安装成功

继续在 Anaconda Prompt命令窗口输入

python

import torch

print(torch.cuda.is_available())

输入完import torch会卡一下，是正常现象

显示True，即为安装成功

Pycharm绑定Anaconda的Pytorch

去官网下载PyCharm链接

下载完一直点下一步安装就行，可以考虑换一个安装位置（实在不会安装私信，等有时间在介绍）

打开PyCharm，点击setting

找到Python Interpreter （找不到也可以在上面搜索框直接搜索名字）

点击添加解释器，添加本地解释器

选择Conda环境，

找到下载的Anaconda文件及下面的Scripts\conda.exe文件，

然后点击加载环境

使用已经存在的环境

选择pytorch（因为刚才创建的环境名称是pytorch）

点击OK即可

然后点击上面的运行的编辑配置文件

找到需要运行的文件，然后选择刚才添加的解释器

输入以下代码，显示True即可

import torch

print(torch.cuda.is_available())
print(torch.__version__)

安装MXNET（无法安装，还在学习）

打开Anaconda命令框

运行命令

pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python

pip install --upgrade numpy
升级numpy

安装Paddle

打开Paddle官网，选择对应的选项（CUDA选择比自己版本低的即可）

python -m pip install paddlepaddle-gpu==2.4.2.post117 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

复制下载命令，输入到Anaconda命令框，回车即可下载

Paddle安装成功

安装Tensorflow

打开Anaconda命令行，输入命令即可（会优先按配置的国内源下载）

pip install tensorflow==2.8.0
pip install tensorflow-probability==0.16.0

安装d2l包

直接安装可能会出现报错的情况，我们这里先把文件下载下来，然后本地安装

d2l包链接，选择whl文件

点击即可下载

打开Anaconda命令窗口，进入下载文件的目录。

如果不是一个盘需要先切换到目标盘

d:			切换盘符
cd D:\User\下载		切换目录
pip install d2l-0.15.1-py3-none-any.whl			pip install 文件名		安装文件

安装成功