[动⼿学深度学习]00环境安装
决策树⽂章写了好久还没有完成，先发这篇环境安装。本系列将长期更新，学习的内容是李沐⼤神的基于的动⼿学深度学习，将从0开始系统地学习，当然基于学校课程的原因，这些学习的内容只能是课余时间抽空进⾏学习，所以更新会⽐较慢。
下⾯开始环境的安装与配置。
教程使⽤的是mac+云+gpu，开云服务器⽤gpu肯定要付费，加上我本机上⼀颗闲置的2060，所以决定在本地配置。同时由于虚拟机中⽆法gpu虚拟化，所以也⽆法开虚拟机在linux环境中学习，于是最终，根据⾃⼰的情况，实现了在windows下的环境安装配置。
看了⼀圈，感觉⽹上说的有些复杂，有些绕。我这⾥总结⼀下我的配置过程。其实⽬标就是两个：1. 下载对应版本的cuda和pytorch，能够在gpu上跑 2. 安装好⼀些库，并下载好d2l上的jupyter课程代码。
⽹上教程复杂的原因在于，在使⽤miniconda的时候，需要⼿动下载jupyter，映射端⼝，然后下载课程代码。⽽使⽤anaconda就可以省略不少⿇烦，同时课程代码的下载其实也不是必要的，我认为学习的过程中，就算对照着敲也要敲⼀遍，这样收获才会更多。下⾯开始配置：
1. 查看本地是否有可⽤的gpu资源。 win+r 输⼊dxdiag 在显⽰中查看⾃⼰的gpu，注意这⾥必须是nvidia
的显卡，amd的不⾏。
2. 下载CUDA 进⼊cuda官⽹下载即可， 这⾥我虽然已经是win11了，但是我仍然下载的是10，结果来看，是兼容的。 安装的话就默认安装就⾏。 安装完成后，win+r 输⼊cmd打开命令⾏。输⼊nvidia-smi，如果能看到gpu信息表⽰安装成功，同时注意右上⾓的cuda版本。我这⾥安装的是cuda11.5
3.下载anaconda 进⼊官⽹下载默认安装即可。 安装完成后打开anaconda Prompt，接下来我们需要创建anaconda虚拟环境，创建的环境会在anaconda安装⽬录下的envs中。 ⾸先创建环境，创建的过程中⼀路yes即可，这⾥dl是我⾃⼰取的环境名字，可以随便取。
接着激活虚拟环境
激活后，虚拟环境中已经内置好了python3.8不需要再另外下载了。
然后要安装⼀些库，⽐如说d2l
4.下载pytorch 接下来下载对应版本的pytorch。直接进⼊官⽹，到pytorch命令。 我当时下载的时候只有11.3 , 但是这和cuda11.5是兼容的。 复制上⾯的command，粘贴到anaconda prompt窗⼝中即可，⼀路yes即可。注意这⾥下载可能会有点慢，需要换下国内源。同时令⼈尴尬的是，要记得退出你的梯⼦，不然会出现Error。
5. GPU计算 这⾥下载完后，写⼀段代码进⾏验证能否使⽤GPU进⾏计算。计算成功就表⽰你现在可以使⽤GPU来跑深度学习了。
svg图片自动轮播6. 下载jupyter课程代码 因为anaconda⾃带jupyter，所以不需要做其他⼯作，直接在课程⽹站上下载jupyter 记事本即可。 下载完成后，既可以跑⾥⾯的代码了。 在anaconda prompt 中的 dl 环境中，切换到存放上⾯下载的记事本的⽬录，输⼊ jupyter notebook 就会⾃动打开jupyter notebook，到相应的代码直接允许即可。这⾥以resnet为例。 第⼀次跑的时候这⾥会下载mnist数据集。可能会有些慢，或者因为⽹络原因，下载失败，多尝试⼏次即可。
最后就是训练模型，你的风扇会打开呼呼叫，GPU资源占⽤100%，这就表明已经成功了。
需要注意的是，可能在训练的时候会出现Memory Error等错误，可能是因为内存不够，显存不够等原因，这⾥最好重启⼀下机器，⼤概率就没事了。
next week
高中化学颜大全最后可以配置vscode，使⽤vscode愉快地写深度学习代码。到相应的环境中的python路径，配置好vscode中的json⽂件即可。⾄此，环境配置完成，这是最基础的部分，也是最折磨新⼿的部分。conda create -n dl python =3.8
python安装教程win111conda activate dl 1pip install  d2lreact怎么用
reflective翻译
1

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。