目录
⚠️ 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