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。