李沐动⼿学深度学习视频教程环境配置
获取和运⾏本书的代码
本节将介绍如何获取本书的代码和安装运⾏代码所依赖的软件。虽然跳过本节不会影响后⾯的阅读，但我们还是强烈建议读者按照下⾯的步骤来动⼿操作⼀遍。本书⼤部分章节的练习都涉及改动代码并观察运⾏结果。因此，本节是完成这些练习的基础。
常用的网页特效获取代码并安装运⾏环境
本书的内容和代码均可在⽹上免费获取。我们推荐使⽤conda来安装运⾏代码所依赖的软件。conda是⼀个流⾏的Python包管理软件。Windows和Linux/macOS⽤户可分别参照以下步骤。
Windows⽤户
第⼀次运⾏需要完整完成下⾯5个步骤。如果是再次运⾏，可以忽略前⾯3步的下载和安装，直接跳转到第四步和第五步。
第⼀步是根据操作系统下载并安装，在安装过程中需要勾选“Add Anaconda to the system PATH environment variable”选项（如当conda版本为4.6.14时）。
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，我们可以配置国内镜像来加速下载（国外⽤户⽆须此操作）。
# 配置清华PyPI镜像（如⽆法运⾏，将pip版本升级到>=10.0.0）
pip config set global.index-url pypi.tuna.tsinghua.edu/simple
接下来使⽤conda创建虚拟环境并安装本书需要的软件。这⾥l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。
conda env create -l
若使⽤国内镜像后出现安装错误，⾸先取消PyPI镜像配置，即执⾏命令pip config unset global.index-url。然后重试命令conda env create -l。
第四步是激活之前创建的环境。激活该环境是能够运⾏本书的代码的前提。如需退出虚拟环境，可使⽤命令conda deactivate（若conda版本低于4.4，使⽤命令deactivate）。
conda activate gluon  # 若conda版本低于4.4，使⽤命令activate gluon
第五步是打开Jupyter记事本。
jupyter notebook
本书中若⼲章节的代码会⾃动下载数据集和预训练模型，并默认使⽤美国站点下载。我们可以在运⾏Jupyter前指定MXNet使⽤国内站点下载书中的数据和模型（国外⽤户⽆须此操作）。
set MXNET_GLUON_REPO=apache-mxnet.s3-north-1.amazonaws/ jupyter notebook
Linux/macOS⽤户
第⼀步是根据操作系统下载，它是⼀个sh⽂件。打开Terminal应⽤进⼊命令⾏来执⾏这个sh⽂件，例如：
onblur html
# 以Miniconda官⽅⽹站上的安装⽂件名为准
sh Miniconda3-latest-Linux-x86_64.sh
完整的三角函数值表高三网安装时会显⽰使⽤条款，按“↓”继续阅读，按“Q”退出阅读。之后需要回答下⾯⼏个问题（如当conda版本为4.6.14时）：
Do you accept the license terms? [yes|no]
[no] >>> yes
Do you wish the installer to initialize Miniconda3
by running conda init? [yes|no]
[no] >>> yespython入门教程视屏
安装完成后，需要让conda⽣效。Linux⽤户需要运⾏⼀次source ~/.bashrc或重启命令⾏应⽤；macOS⽤户需要运⾏⼀次source
~/.bash_profile或重启命令⾏应⽤。
第⼆步是下载包含本书全部代码的压缩包，解压后进⼊⽂件夹。运⾏以下命令。Linux⽤户如未安装unzip，可运⾏命令sudo apt install unzip安装。
mkdir d2l-zh && cd d2l-zh
curl zh.d2l.ai/d2l-zh-1.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
第三步⾄第五步可参考前⾯Windows下的安装步骤。若conda版本低于4.4，其中第四步需将命令替换为source activate gluon，并使⽤命
令source deactivate退出虚拟环境。
更新代码和运⾏环境
为了适应深度学习和MXNet的快速发展，本书的开源内容将定期发布新版本。我们推荐⼤家定期更新本书的开源内容（如代码）和相应的运⾏环境（如新版MXNet）。以下是更新的具体步骤。
第⼆步是使⽤下⾯的命令更新运⾏环境：
conda env update -l
之后的激活环境和运⾏Jupyter步骤跟本节前⾯介绍的⼀致。
使⽤GPU版的MXNet
通过前⾯介绍的⽅式安装的MXNet只⽀持CPU计算。本书中部分章节需要或推荐使⽤GPU来运⾏。如
果你的计算机上有NVIDIA显卡并安装了CUDA，建议使⽤GPU版的MXNet。
第⼀步是卸载CPU版本MXNet。如果没有安装虚拟环境，可以跳过此步。如果已安装虚拟环境，需要先激活该环境，再卸载CPU版本的MXNet。
pip uninstall mxnet
然后退出虚拟环境。
第⼆步是更新依赖为GPU版本的MXNet。使⽤⽂本编辑器打开本书的代码所在根⽬录下的⽂件l，将⾥⾯的字符
串“mxnet”替换成对应的GPU版本。例如，如果计算机上装的是8.0版本的CUDA，将该⽂件中的字符串“mxnet”改为“mxnet-前端开发属于什么职业
cu80”。如果计算机上安装了其他版本的CUDA（如7.5、9.0、9.2等），对该⽂件中的字符串“mxnet”做类似修改（如改为“mxnet-cu75”“mxnet-cu90”“mxnet-cu92”等）。保存⽂件后退出。
第三步是更新虚拟环境，执⾏命令
conda env update -ljavabean的功能
之后，我们只需要再激活安装环境就可以使⽤GPU版的MXNet运⾏本书中的代码了。需要提醒的是，如果之后下载了新代码，那么还需要重复这3步操作以使⽤GPU版的MXNet。
⼩结
为了能够动⼿学深度学习，需要获取本书的代码并安装运⾏环境。
建议⼤家定期更新代码和运⾏环境。
练习
获取本书的代码并安装运⾏环境。如果你在安装时遇到任何问题，请扫⼀扫本节末尾的⼆维码。在讨论区，你可以查阅疑难问题汇总或者提问。
扫码直达
[外链图⽚转存失败，源站可能有防盗链机制，建议将图⽚保存下来直接上传(img-CaAJ1rmn-1582722198699)(…/img/qr_install.svg)]

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。