Task01：初识深度学习

学习链接：https://learning.datawhale.club/p/t_pc/course_pc_detail/image_text/i_640715e6e4b0fc5d123d3479?product_id=course_2MfxkUb5a1yA2lWVgW0pzsu9B2U

1.1 深度学习小结：

• 机器学习研究计算机系统如何利用经验（通常是数据）来提高特定任务的性能。它结合了统计学、数据挖掘和优化的思想。通常，它是被用作实现人工智能解决方案的一种手段。

• 表示学习作为机器学习的一类，其研究的重点是如何自动找到合适的数据表示方式。深度学习是通过学习多层次的转换来进行的多层次的表示学习。

• 深度学习不仅取代了传统机器学习的浅层模型，而且取代了劳动密集型的特征工程。

• 最近在深度学习方面取得的许多进展，大都是由廉价传感器和互联网规模应用所产生的大量数据，以及（通过GPU）算力的突破来触发的。

• 整个系统优化是获得高性能的关键环节。有效的深度学习框架的开源使得这一点的设计和实现变得非常容易。

 1.2 环境配置

环境安装配置教程https://zh-v2.d2l.ai/chapter_installation/index.html

1.2.1 显卡配置

在安装深度学习框架之前，请先检查计算机上是否有可用的GPU。 例如可以查看计算机是否装有NVIDIA GPU并已安装CUDA。 如果机器没有任何GPU，没有必要担心，因为CPU在前几章完全够用。 但是，如果想流畅地学习全部章节，请提早获取GPU并且安装深度学习框架的GPU版本。

显卡配置：

1. 如果没有独立显卡，已安装conda或miniconda后，通过如下命令安装pytorch：
   conda install pytorch torchvision torchaudio cpuonly -c pytorch
   （如果出现 CondaHTTPError ，先添加清华源 Index of /anaconda/cloud/pytorch/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror，然后去掉命令中的channel参数“ -c pytorch”，再重新安装即可）

   

2. 如果有NVIDIA独立显卡，用如下命令同时安装四个包（无需单独安装CUDA）：
   conda install pytorch torchvision torchaudio cudatoolkit=11.1
   安装后验证：
   import torch
torch.cuda.is_available()
   注：如果此前安装过无GPU版，需先移除 cpuonly 包

3. 如果有AMD独立显卡，最新版pytorch 1.8支持AMD，但好像只在Linux下，具体可自行搜索 

1.2.2 安装深度学习框架和d2l软件包

---

• pytorch版本

pip install torch==1.12.0
pip install torchvision==0.13.0

我们的下一步是安装d2l包，以方便调取本书中经常使用的函数和类： 

pip install d2l==0.17.6

下载 D2L Notebook

mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd pytorch

---

 【注意】如果没有安装unzip，则可以通过运行sudo apt install unzip进行安装。