系列文章目录
【基于Windows】动手学深度学习入门
文章目录
【基于Windows】动手学深度学习入门——1-环境安装
前言
因为课题方向需要用到机器学习(深度学习),所以花一段时间入门,系列博客用于学习记录等文字性总结的工作,希望大家批评指正,一起学习,共同进步。
一、笔记本电脑的配置和已安装软件
1.配置
版本 Windows 11 家庭中文版
版本 22H2
安装日期 2022/11/9
操作系统版本 22621.2715
2.软件
环境配置是基于Anaconda+PyTorch(GPU版)+CUDA+cuDNN进行搭建的
参考博客链接:
http://t.csdnimg.cn/FJtTZ
http://t.csdnimg.cn/edjoW
这里有一段话写的很好!
那么为什么需要创建虚拟环境呢?
我的理解是,比如我们要做深度学习,需要安装tensorflow、pytorch等库,这其中就存在库的相互依赖的问题,base环境中的库已经很多了,有可能和我们要安装的库存在冲突等问题,这也是我们在用pip命令无脑安装库时容易出现各种奇怪的bug的原因。
那怎么办呢?虚拟环境就为我们解决了这个问题,其实虚拟环境这个名字听着不够直白,说白了就是再创建一个或多个类似于base一样的环境。比如我们要用tensorflow做深度学习,那我就可以创建一个虚拟环境,当这个环境刚创建好的时候,里面基本上没有什么库,东西很少,在它的基础上,我们就可以安装各种库,在运行程序的时候只需要选择对应的环境就行。同理,要用pytorch搞深度学习,那就再创建一个对应的虚拟环境就好。
————————————————
版权声明:本文为CSDN博主「GJ_WL」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_44184049/article/details/121911689
效果:
二、配置【动手学深度学习】的环境
这个视频的后半段,需要安装jupyter notebook和d2l。
1.jupyter notebook配置
在你安装anaconda后,base环境自带jupyter notebook。所以有两个思路。
思路一:在创建的虚拟环境下,安装ipykernel库,利用ipykernel库将该虚拟环境写入到jupyter中。
conda install ipykernel
python -m ipykernel install --user --name pytorch --display-name pytorch
参考链接:https://blog.csdn.net/m0_49474265/article/details/127738839
思路二:利用anaconda的用户界面,切换到虚拟环境,安装jupyter notebook,此方法我没试,仅供参考。
参考链接:http://t.csdnimg.cn/7Y5we
其他注意事项:
jupyter kernelspec list
jupyter kernelspec remove pytorch
使用不同内核的jupyter notebook
需要注意的是,当重新安装了同样的虚拟环境之后,先用以下命令查看所有jupyter notebook的内核,将历史版本清理掉,之后再执行不同虚拟环境中jupyter notebook的配置,重新启动notebook切换不同内核检查是否能连接到对应的内核。
————————————————
版权声明:本文为CSDN博主「python于GIS与RS」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_64707172/article/details/131142747
2.安装 d2l
先去官网下载d2l,解压。
我在安装d2l时,并未成功,可能因为源的原因,我就临时切换了源,安装很顺利。
pip install d2l -i https://pypi.tuna.tsinghua.edu.cn/simple
效果
我将d2l-zh 放到Documents文件夹中的DeepLearning文件夹中,测试的话,参考上面的视频链接即可。
总结
慢慢来,加油!