动手学深度学习 | 安装

目录

1  安装 Miniconda

1.1  什么是 Miniconda

1.2  安装 Miniconda

1.3  使用 Miniconda 创建环境

1.3.1  为什么创建环境

1.3.2  如何创建环境

1.3.3  如何激活环境（必须）

2  安装深度学习框架和 d2l 软件包

2.1  什么是 GPU

2.2  查看本机 GPU

2.3  安装 Pytorch

2.4  安装 d2l

2.4.1  为什么安装 d2l

2.4.2  如何安装 d2l

---

⚠️ 写在前面：

• 之前没有接触过深度学习实操，一个安装指南都把人看傻了
• 本博客旨在提供一种解决思路，请具体情况具体分析（比如：我没有 GPU）
• Python 版本建议遵照《动手学深度学习》，否则容易报错

1  安装 Miniconda

1.1  什么是 Miniconda

• Miniconda 和 Conda 都是用于安装和管理 Python 环境和包的工具。
• Conda 是一个开源的包管理和环境管理系统，由 Anaconda 公司开发。
• Miniconda是 Conda 的一个轻量级版本，它仅包含了 Conda 的最基本功能。

Miniconda 和 Conda 适用于管理和部署复杂的依赖关系和多个 Python 环境，而 pip 更专注于安装 Python 包。

1.2  安装 Miniconda

⚠️ 一定要先 “注意版本” 然后再根据 “参考博客” 去下载！！！

参考博客：【软件工具】安装和使用 Miniconda 来管理 Python 环境

注意版本：

由于《动手学深度学习》里面用的是 Python3.9，因此需要选择 Python3.9 对应的 Miniconda 进行下载，而不是直接下载最新版。在下图中，红框里的是 Python 版本及对应的 Miniconda 安装包。

安装成功：

我原先电脑上只有 python3.8，看来 Miniconda 会自动帮我们安装相应版本的 python（？）

1.3  使用 Miniconda 创建环境

参考博客：https://blog.csdn.net/weixin_44814196/article/details

1.3.1  为什么创建环境

创建环境是为了管理项目依赖、保证环境一致性并实现项目隔离。这样可以避免依赖冲突，确保每个项目都在一个独立且可控的环境中运行，同时便于重用和版本控制。

1.3.2  如何创建环境

打开终端输入：

conda create -n d2l-zh -y python=3.9 pip

• -n 指定环境名称，这里是 “d2l-zh”
• -y 表示自动确认所有提示，跳过用户确认步骤
• python=3.9 和 pip 指定应在环境中预先安装的内容及版本
• 这里的命令表示该环境必须包含 python3.9 和 pip

查看已有的环境：

conda env list

效果如下图所示：

base 环境是一个默认环境，它在安装 Miniconda 时自动创建。base 环境包含了 Miniconda 自身以及相应的 Python 版本和其他基础包。它是所有其他环境的起点，也是新环境的父环境。

也可以删除指定的环境：

conda env remove -n d2l-zh

注意：针对安装了多个版本 Miniconda 的情况，如果你用 Miniconda3.9 创建了一个环境，那么你只能用 Miniconda3.9 去删除这个环境，使用其它版本的 Miniconda 是无效的。

1.3.3  如何激活环境（必须）

⚠️ 原书：在运行书籍代码、更新深度学习框架或 d2l 软件包之前，请始终执行 conda activate d2l-zh 以激活运行时环境。 要退出环境，请运行 conda deactivate 。

# 首次激活前必须初始化
conda init

# 激活d2l-zh环境
conda activate d2l-zh

# 退出d2l-zh环境
(d2l-zh) conda deactivate

2  安装深度学习框架和 d2l 软件包

2.1  什么是 GPU

• GPU（显卡）原本是为渲染图形和视频游戏而设计的。
• 随着时间的推移，人们发现 GPU 在处理其他类型的计算任务时也非常有效。
• GPU 在执行大规模并行计算时比 CPU 更加高效。

2.2  查看本机 GPU

参考博客：https://blog.csdn.net/sinat_38792591/article/details/118597752

可见本人的电脑并不具备 NVIDIA GPU，如下图所示：

2.3  安装 Pytorch

⚠️ 先把之前创建的环境激活！

根据《动手学深度学习》，在终端中输入：

pip install torch==1.12.0 torchvision==0.13.0

⚠️ 下图是没有激活环境的状态！

如果你的 pip/python/Miniconda 版本太高，将会导致下载失败：

pip、python、Miniconda 是一伙的。如果 pip 版本过高，则直接降低 Miniconda 版本，从而使 python 和 pip 的版本降低，一举多得。

如果像如下命令一样直接安装最新版本，则可能无法适配 d2l 包的版本：

pip install torch torchvision

2.4  安装 d2l

2.4.1  为什么安装 d2l

d2l 是一个开源的 Python 包，它提供了用于深度学习研究的实用工具和接口。它是由清华大学计算机系的李沐教授团队开发的，是《动手学深度学习》这本书的配套代码库。

2.4.2  如何安装 d2l

⚠️ 先把之前创建的环境激活！ 

根据《动手学深度学习》，在终端中输入：

pip install d2l==0.17.6