《动手学习深度学习》环境搭建详细过程

多谢大佬的文章

1.前言:

《动手学习深度学习》 李沐博士和阿斯顿·张博士等人写的一本入门深度学习的教程,是目前广受好评的最好的入门深度学习教材之一,豆瓣评分高达9.5,且在B站有配套学习视频,超级适合没有基础的小伙伴用来入门深度学习。本文是对于书中关于环境搭建这一小节的详细描述和补充,希望小伙伴们可以通过本文在较短的时间内搭建好开发环境,从而快速开启自己的深度学习之旅。
**BB time:**多说几句,现在GitHub上很多《动手学习深度学习》pytorch版本或者是TensorFlow版本,这些都不建议大家去学习,一是项目不完整,这些项目没有完整实现这本书中讲到的所有内容,二是项目作者对于项目的维护很少,里面的坑巨多而且没人填。三是mxnet/gluon,pytorch ,TensorFlow 这三个框架现在越来越像,学会了mxnet,可以直接上手其它两个框架,根本没问题。
《动手学习深度学习》官方版本,由一众大佬精心维护,并且接收小伙伴的反馈,不断更改和新增内容,又有QQ群(群号:925664908)辅助答疑解惑,实在是新手入门深度学习的不二之选。

2.2.对电脑和操作系统的要求

《动手学习深度学习》使用的深度学习框架是MXNet,对于电脑和操作系统有如下要求:
1.操作系统是64位的; 不能是32位的操作系统。
2.支持cuda的NVIDIA显卡(可选,可以没有显卡,只用CPU也可以)

总结来讲就是你电脑的系统必须是64位的,不能是32位的,因为mxnet没有32位的安装包。电脑有支持cuda的NVIDIA显卡是最好的,电脑没有显卡也可以,只用CPU就行。点击上面的链接(点击上面的“支持cuda的NVIDIA显卡”这几个字)可以查看你的显卡是否支持cuda。

3.安装miniconda

3.1 Windows系统下安装miniconda

如果你的系统是Linux系统,不要看着一步,直接跳到3.2小节。Windows下安装miniconda很简单,首先下载最新的Windows版本的miniconda 3。推荐到清华大学开源镜像站下载,不要到官网下载,因为官网下载速度非常慢。从清华镜像下载方法如下:

1.首先复制下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/地址到浏览器中打开,然后下拉到最底部,找到下面这个软件包:

Miniconda3-latest-Windows-x86_64.exe

单击它便可以将最新的64位miniconda3的安装包下载到你电脑上。下载好后双击运行安装,使用默认的安装选项,即一直点击下一步即可。
安装完成后,打开anaconda prompt这个终端(安装miniconda的时候会自动安装prompt到你电脑上),然后分别执行如下四个命令,将conda和pip的软件源修改成为清华的源,这样的话,使用conda和pip下载安装软件包时速度会快很多。

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

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
3.2 Linux下安装miniconda

下面的安装过程适用Ubuntu,centos等Linux发行版。
1.首先复制下载https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/地址到浏览器中打开,然后下拉到最底部,找到下面这个软件包:

Miniconda3-latest-Linux-x86_64.sh

单击它便可以将最新的64位miniconda3的安装包下载到本地。打开终端,切换到刚才下载的miniconda安装包所在目录,执行如下命令来安装:

bash  Miniconda3-latest-Linux-x86_64.sh

执行上面的安装命令时,首先会弹出一个软件协议条款让你阅读,这时候你直接按下Ctrl+C便可以跳过阅读过程,直接按照提示,输入yes,然后按回车键,同意软件协议条款。接下来继续按回车,将miniconda安装到电脑上。安装好之后,提示如下:

Do you wish the installer to initialize Miniconda3
by running conda init? [yes|no]

这一步一定要输入yes,不然安装好后没办法在终端中使用miniconda。输入yes,按下回车键,miniconda便成功安装到你电脑上了。重启终端之后,你便可以使用miniconda了。
重启终端,然后分别执行如下命令,将conda和pip的软件源修改成清华的源,这样的话,使用miniconda或者pip安装软件速度会快很多:

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

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

再次重启终端之后,你会发现每次打开终端默认都会自动进入到miniconda的base环境中,终端中多了“base”字样。这样会拖慢终端打开速度,并且有可能干扰到其它软件的安装。要退出的话,必须每次打开终端之后先执行conda deactivate命令,让人很难受。执行如下命令,便可以解决终端每次打开都进入conda的base环境的问题:

conda config --set auto_activate_base false

4.搭建书本所需的环境

4.1 搭建CPU版本mxnet的运行环境

如果你的电脑没有GPU,那么只需要安装CPU版本的mxnet即可。如果你的电脑包含有GPU,并且想要使用GPU进行计算,直接跳过4.1小节,参考4.3小节。使用CPU版本的mxnet完全可以满足学习本书的绝大部分内容。使用miniconda,在Windows下和Linux下的环境搭建步骤是一样的。Windows下打开anaconda prompt这个终端。如果系统是Linux,则打开命令行终端,然后执行如下命令来创建一个使用Python 3.6的,名为gluon的环境:

conda create -n gluon python=3.6

创建环境成功后,执行如下命令来激活gluon环境:
``python
conda activate gluon

接下来该安装MXNet了,执行如下命令,安装最新的CPU版的mxnet :
```python
pip install mxnet

这里本人出现You are using pip version 9.0.1, however version 20.2.3 is available报错
可以用如下解决方法:依次输入

conda install pip
再次conda install pip
python -m pip install --upgrade pip

成功安装MXNet后,接下来,分别执行如下命令,来安装书本中代码用到的其它软件包:

pip install d2lzh==0.8.11
pip install jupyter==1.0.0
pip install matplotlib==2.2.2
pip install pandas==0.23.4

到此,环境搭建完毕。

4.2 运行课本的代码

环境搭建好之后,下载课本所需代码的压缩包链接:(d2l-zh-1.0) 提取码:vs8r ,然后解压。解压之后,打开prompt终端(Windows系统)或者命令行终端(Linux系统),切换到刚才解压文件所在的目录,然后执行如下两条命令来激活gluon环境和打开jupyter notebook:

cd 到(d21-zh)目录下
conda activate gluon
jupyter notebook

打开jupyter notebook之后,点击打开特定的.ipynb文件,便可以查看对应章节和运行相应的代码。

4.3 搭建GPU版本mxnet的运行环境

这里以安装cuda 10版本的mxnet为例。首先确保你的电脑安装了最新的显卡驱动(驱动的安装可以参参考本文附录或者自己到网上搜集安装教程),然后打开prompt终端(Windows系统)或者命令行终端(Linux系统)。然后执行如下命令创建一个名为gluon的环境并且激活它:

conda create -n gluon python=3.6
conda activate gluon

然后执行如下命令来安装cuda 10(注意,mxnet不需要单独安装cudnn,因为mxnet自带cudnn):

conda install cudatoolkit=10.0

安装完之后,便可以安装支持cuda 10的mxnet,执行如下命令来安装:

pip install mxnet-cu100

成功安装MXNet后,接下来,分别执行如下命令,来安装书本中代码用到的其它软件包:

pip install d2lzh==0.8.11
pip install jupyter==1.0.0
pip install matplotlib==2.2.2
pip install pandas==0.23.4

安装完之后,环境便搭建完成了。环境搭建完成后,便可以参考4.2小节,运行课本中的代码。

扫码直达他讨论区

里面安装教程以及错误随时更新。

《动手学习深度学习》环境搭建详细过程_第1张图片

你可能感兴趣的:(深度学习,python,深度学习,pytorch,人工智能)