动手学深度学习task1 task2

动手学深度学习task1 task2

task1：环境配置

之前已经安装过anaconda，跳过了miniconda的安装

1.cuda安装

首先需要检查自己电脑显卡所支持的cuda版本，确保已经安装cuda
命令行输入：nvidia-smi

我的电脑支持12.0的cuda
安装完成后可以输入：nvcc --version检查是否成功安装

我这里安装的是12.0版本

环境创建

命令行输入
conda create -n d2l-zh -y python=3.8 pip
d2l-zh表示环境名

安装Pytorch

命令行输入
conda install pytorch torchvision torchaudio cpuonly

激活d2l环境

命令行输入
conda activate d2l

安装d2l包

命令行输入
pip install d2l
这里只能通过pip进行安装，使用conda install会失败

task2：预备知识学习

数据操作

主要是数据的获取和读入计算机后的处理

import torch
import pandas as pd
import os


os.makedirs(os.path.join('..', 'data'), exist_ok=True)
data_file = os.path.join('..', 'data', 'house_tiny.csv')
with open(data_file, 'w') as f:
f.write('NumRooms,Alley,Price\n')  # 列名
f.write('NA,Pave,127500\n')  # 每行表示一个数据样本
f.write('2,NA,106000\n')
f.write('4,NA,178100\n')
f.write('NA,NA,140000\n')


# 读取数据
data = pd.read_csv(data_file)

# 处理缺失值
inputs = data.iloc[:, :2]
outputs = data.iloc[:, -1]
inputs = inputs.fillna(inputs.mean())  # 在nan处填写该列的平均值

# 对于inputs中的类别值或离散值，我们将“NaN”视为一个类别。 由于“巷子类型”（“Alley”）列只接受两种类型的类别值“Pave”和“NaN”， pandas可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。 巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1，“Alley_nan”的值设置为0。 缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。
inputs = pd.get_dummies(inputs, dummy_na=True)

# 转为张量格式
X, y = torch.tensor(inputs.values), torch.tensor(outputs.values)