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:
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)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。