ubuntu虚拟机上配置深度学习环境

学习笔记，主要是记录自己目前进行的操作，以便自己回顾，各位大佬有指导意见也欢迎交流啊

一、安装miniconda

Linux下安装miniconda_linux 安装miniconda_摸鱼肥仔的博客-CSDN博客

#第一步下载miniconda安装包 
#安装包连接https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/，查找相应安装包
wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py39_4.9.2-Linux-x86_64.sh
#第二步安装
bash Miniconda3-py39_4.9.2-Linux-x86_64.sh
#第三部配置conda镜像
source ~/.bashrc
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
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/bioconda
conda config --set show_channel_urls yes
#第四步创建一个名称为python38的环境，python版本等于3.8
conda create -n python38 python=3.8
#第五步 激活环境
source activate python38

#第六步之后的步骤不是这次安装所需要的，暂时可以先不执行
#第六步 在环境激活的情况下安装numpy
conda install numpy

#常用命令
#查看已有环境
conda info --env
#查看已有安装包
conda list
#退出环境
conda deactivate
#删除某个环境
conda remove -n 环境名 --all
#删除某个环境下的某个包
conda remove -n 环境名 包名

   重启后，命令行前面出现（base），即可认为安装成功

二、创建环境并激活环境

【李沐-深度学习】Linux环境配置+常见问题_李沐d2l-zh_Sherry me的博客-CSDN博客

# 1 删除已经存在的环境
# 如果不存在d2l，会报错
# 这步可以跳过
conda-env remove d2l

# 2 下载环境
# 这里的d2l-zh是自定义的
conda create -n d2l -y python=3.8 pip

# 3 使环境生效
conda activate d2l


# 给他们放在一起好了，这里的d2l-zh只是环境的名字，我取的是d2l而已
conda env remove d2l-zh
conda create -n d2l-zh -y python=3.8 pip
conda activate d2l-zh

发现（base）变成了（d2l-zh）

三、安装所需要的包

动手学深度学习安装环境配置 - 腾讯云开发者社区-腾讯云 (tencent.com)

因为需要用到jupyter，所以先安装一个

# 一口气安装
# 等待时间长
pip install jupyter d2l torch torchvision

# 如果一口气安装有报错，不妨一个一个安装，看看问题出在哪里
# 一个一个安装
pip install jupyter

# 后面这三个用镜像网站下载更快
# pip install d2l
# pip install torch
# pip install torchvision

# 在我的记忆里，anacoda好像包括jupter和ipython

安装需要的包，主要是d2l、torch、torchvision。

更推荐使用豆瓣源和阿里云的镜像源：

pip install -i https://pypi.douban.com/simple/ d2l
pip install torch torchvision -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

第二行命令下载安装的包有619M，大致安装了20分钟（好像失败了）

把错误的信息放到百度上搜的结果：

解决方案：pip安装ERROR: Exception: Traceback (most recent call last):_sucr.的博客-CSDN博客

这么说是因为我开了代理？我不知道怎么看。好像是因为我用的虚拟机，使用了NAT模式就认为是开了代理。

关于NAT与桥接模式的介绍：

虚拟机vmware中NAT网络模式应用解析(全文) (wenmi.com)https://www.wenmi.com/article/pvif7n02efjc.html NAT模式与桥接模式：

如何让VmWare虚拟机上网 - China_King - 博客园 (cnblogs.com)https://www.cnblogs.com/lhpking/p/15067768.html之前默认为NAT模式上网，那要修改为桥接模式上网嘛？（没改）

我停在这步了，先找找解决办法，要是有大佬看到了，能不能拜托各位大佬指点指点。

---

猜测可是因为识别不了网络导致的，解决方法合集：

VMnet1和VMnet8 未识别的网络的解决方法_jackphang的博客-CSDN博客

虚拟机安装：详解VMware Network Adapter VMnet1和VMnet8 未识别的网络解决方法_vmnet8正在识别_果子狸呀的博客-CSDN博客

---

四、正式运行jupyter notebook

正式运行Jupyter notebook，打开命令行中跳出的链接。一般为 http://localhost:8888/tree 。

jupyter notebook

你可能会遇到镜像源失效的问题，所以在这里交代关于镜像源的一些常用命令。关于如何寻找合适的源等信息，你可以参考《CSDN博主「鱼与钰遇雨」：Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址》

conda info
# 你可以在channel URLs里面找到你现有的所有镜像源。
# 添加指定源
conda config --add channels *（*指代你要添加的源）
# 设置安装包时，显示镜像来源，建议显示
conda config --set show_channel_urls yes 
# 删除指定源
conda config --remove channels *(*代表你要删除的源）
# 可以删除并恢复默认的conda源
conda config --remove-key channels
# 临时使用的时候，加上参数-i和镜像地址
pip install -i https://pypi.douban.com/simple tensorflow-gpu==1.14

五、再次进入时

# 1 使环境生效
conda activate d2l

# 2 开启jupyter notebook
jupyter notebook

# 3 打开浏览器：访问即可