动手深度学习（一）环境安装

序言

从今天开始进行李牧大佬的《动手深度学习一书》的学习，首先要进行环境的安装和配置，在这里记录一下自己安装过程中踩过的一些坑。相关的资源在该项目的网址上都可以得到https://zh.gluon.ai/ 其中的PDF可以下载到本地进行阅读，同时会在本地的PDF中生成一个你下载当天的日期。书中的所有实例代码都有相应的jupyter notebook提供下载和运行。废话不多说，下面就开始进行环境的配置。

环境安装

1.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。
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。
3. 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）

   # 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 https://pypi.tuna.tsinghua.edu.cn/simple

    

4. 接下来使用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。但是问题来了，我在运行的时候会出现一个关于pip的warning，提示需要将pip这个包本身添加到environment.yml中。但是我在最后加了 - pip==1.19.1之后似乎还是会出现warning，所以暂时这里先不管它，等出了问题再说。

   conda env create -f environment.yml

   另外要注意，如果你的电脑上安装好了cuda(进入cmd，输入nvcc -V能查看版本并且没有报错)，那么建议安装GPU版本的MXNet。具体操作：使用文本编辑器打开本书的代码所在根目录下的文件environment.yml，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-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。然后再执行

   conda env create -f environment.yml

    如果不小心已经安装好了虚拟环境，那么需要先卸载CPU版本的MXNet：

   pip uninstall mxnet

   然后再重新更新我们的虚拟环境配置：

   conda env update -f environment.yml

    

5. 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。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。

   conda activate gluon  # 若conda版本低于4.4，使用命令activate gluon

   如需退出虚拟环境，可使用命令conda deactivate（注意这里没有参数）
6. 打开Jupyter记事本

   jupyter notebook

    

2. 实际操作中会遇到的坑

1. 如果你之前用过jupyter，有可能会在启动jupyter之后，路径不在你想要的当前路径，这个简单，改一下默认路径，重新开一遍即可。https://blog.csdn.net/u014552678/article/details/62046638
2. 当你打开ndArray这个notebook，运行的时候，发现import mxnet 报错，“no module XXX”之类的错误，说明没有安装上mxnet，先回到虚拟环境中，在虚拟环境中pip list，看一下mxnet到底有没有装上，多半肯定是没装上，这时候要么重新安装一遍（或者按照上面说的方法update一下）虚拟环境，一定要等安装过程全部完成再退出。或者pip手动安装mxnet包（一定是在进入虚拟环境的情况下）:

   pip install mxnet==version # cpu
   pip install mxnet-cu80==version # gpu

   然后我们在本地测试一下能否导入。在虚拟环境中：

   python
   
   import mxnet as mx

   如果没有报错，说明本地已经安装上了，还不行的话就是jupyter的问题了，接着往下看。

3. 如果本地能导入mxnet，但是在jupyter中报错了，那么很可能是你的jupyter内核不是当前虚拟环境，而是虚拟环境外的python。怎么看呢，在jupyter中选择kernel，看一下有没有你创建的gulon这个选项，没有就说明不对，怎么办呢？原来是缺了一个conda的包。解决放入是，进入虚拟环境后，执行：

   conda install nb_conda

   然后重启jupyter notebook，看一下kernel就会多一个gluon的kernel，选择该kernel就可以了。

4. 最后说一下，如果你安装了GPU版本，怎么验证我们GPU可用。

   import mxnet as mx
   from mxnet import nd
   
   x = nd.arange(12) # 创建cpu变量x
   y = x.copyto(mx.gpu()) # 将x赋值给y,保存在gpu上
   

   如果没有报错，那就大功告成了

安装环境就先讲这么多，还有很多碰到的问题可以看书中对应章节最后的二维码，用微信扫一扫就可以进入这一张章的讨论区。大家一起努力学习吧！