Day1 pytorch深度学习环境搭建（cpu版本）
引言
最近看完了李宏毅的机器学习，开始学李沐的《动手深度学习》，完完全全是从零起不。写深度学习一是为了毕业论文做准备，二是希望能用发一篇论文。想通过这个平台想督促自己学习，同时希望自己的笔记给同时刚入坑的你一些帮助。
以前安装过python，现在查看一下自己python的版本
1. 安装anaconda
1.1 anaconda干什么用的
anaconda是一个包管理器和环境管理器。
-
包管理
Anaconda 附带了一大批常用数据科学包，它附带了 conda、Python 和 150 多个科学包及其依赖项，在数据分析中，你会用到很多第三方的包，而conda（包管理器）可以很好的帮助你在计算机上管理这些包，包括安装、卸载和更新包。
-
环境管理
比如你在A项目中用了 Python 2，而新的项目B老大要求使用Python 3，而同时安装两个Python版本可能会造成许多混乱和错误。这时候 conda就可以帮助你为不同的项目建立不同的运行环境。
还有很多项目使用的包版本不同，比如不同的pandas版本，不可能同时安装两个 Numpy 版本，你要做的应该是，为每个 Numpy 版本创建一个环境，然后项目的对应环境中工作。这时候conda就可以帮你做到。
1.2 安装anaconda
Anaconda 的下载文件比较大（约 500 MB），因为它附带了 Python 中最常用的数据科学包。
如果计算机上已经安装了 Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python 是 Anaconda 附带的 Python，所以安装完Anaconda已经自带安装好了Python，不需要你再安装Python了。
- 下载python3.8对应的anaconda
网址是：
anaconda官网：https://www.anaconda.com
清华大学开源镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
然后一路next
- 安装完成后，在cmd下查看其版本
1.3 创建虚拟环境并激活
安装好 anaconda 后，建议立即建一个虚拟环境。
为pytorch创建一个虚拟环境，这样做的好处是方便我们可以同时使用多个深度学习框架，每个框架对应一个虚拟环境，框架之间互不干扰。
1.3.1 创建虚拟环境
C:\Users\penny>conda create -n pytorch-cpu python=3.8
- 创建完毕
1.3.2 激活虚拟环境
C:\Users\penny>conda activate pytorch-cpu
以前的环境是C:\Users\penny>，现在的环境是(pytorch-cpu) C:\Users\penny>
2. 安装pytorch
2.1 pytorch是干什么用的
Pytorch是torch的python版本，一个神经网络框架（一个包，包里封装好了一些方法程式），专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个对多维矩阵数据进行操作的张量库，在机器学习和其他数学密集型应用有广泛应用。
2.2 安装
进入pytorch-cpu这一虚拟环境后，为了加快下载速度，首先输入以下的命令，添加清华镜像源
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
另外为了保险起见，建议同时添加第三方conda源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
[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-QusdqheL-1641545116758)(D:\capturePic\image-20211215161703873.png)]
输入如下安装命令：
(pytorch-cpu) C:\Users\penny>conda install pytorch torchvision cpuonly
在Proceed([y]/n)? 后面输入y，回车，即可开始从清华镜像源下载包，接着等待安装成功就好
3.2 测试环境是否搭建成功
[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
3. 安装pycharm
pycharm以前已经装好了，在官网下载安装包装即可。
3.1 配置pycharm环境
打开pycharm,新建一个项目
[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-B7R5qELr-1641545116759)(D:\capturePic\image-20211215165033085.png)]](http://img.e-com-net.com/image/info8/7a8ec66049294bb1ae2231469a71723a.png)
点击下图红框框区域，添加新的Interpreter，找到新建的pytorch-cpu环境下的python.exe，将其添加到Interpreter中，
3.2 测试环境是否搭建成功
Tips
我们在这里使用的命令是 conda install pytorch torchvision cpuonly
4. 补充：anaconda使用
ananconda管理主要的数据科学包，包括panda、scikit-learn、SciPy、NumPy和谷歌的机器学习平台TensorFlow。
conda list命令将列出当前安装到项目中的包。你可以使用install命令添加附加包及其依赖项。
[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
-
将panda安装到当前环境中
conda install pandas对于不属于Anaconda存储库的包，可以使用典型的pip命令。
5. 补充安装anaconda navigator
- 启动Anaconda Prompt
-
下载
(base) C:\Users\penny>conda install anaconda-navigator
6. 下载《动手学习深度学习》上面要用的资料
6.1安装d2l包
方便调取本书中要使用的函数和类
激活上次创建的虚拟环境
conda active pytorch-cpu
安装d2l包
pip install d2l==0.17.1
下载超时，下载不下来
用这个链接
(pytorch-cpu) C:\Users\penny>pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple
6.2 下载本书要用的jupyter记事本内容
我没有用命令行语句下，是直接点的下载到了D盘，然后解压
用命令行进入D盘（D:），键入jupyter notebook
(pytorch-cpu) D:\研究生学习资料\机器学习资料\d2l-zh>jupyter notebook
