【基于Windows】动手学深度学习入门——1-环境安装

系列文章目录

【基于Windows】动手学深度学习入门

---

【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！