最近在学习李沐老师的《动手学深度学习》(第一版),在2.1节中配置MXNet时遇到了一些问题,同时在网络上也搜了一些解决方法,现将配置流程和所遇问题重述一遍以供有用者取之。
1.配置CPU计算的MXNet:
(1)安装Anaconda
官网链接:Anaconda | The World's Most Popular Data Science Platform
首页点击下载即可下载最新版本。
(2)下载书中代码
书籍网站:《动手学深度学习》 — 动手学深度学习 2.0.0 documentation (d2l.ai)
代码下载:https://zh.d2l.ai/d2l-zh-1.1.zip
按照书中步骤解压并打开命令行(以下各操作均在cmd中完成)。
(3)配置虚拟环境
首先配置国内清华的镜像来加速,否则conda的过程会比较慢。
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
创建环境。
conda env create -f environment.yml
激活环境。
conda activate gluon
打开jupyter notebook。
jupyter notebook
2.配置GPU计算的MXNet:
本人在本部分耗费很长时间才弄好。
(1)本人操作:
在激活环境后,卸载CPU版本的MXNet。
conda uninstall mxnet
用记事本打开environment.yml并将"mxnet"改为"mxnet-cu100",更新环境。
conda env update -f environment.yml
然而在jupyter notebook导入新的mxnet时出现问题。
(2)解决方法:
主要是没有安装CUDA造成的。
本人去CUDA的官网CUDA Installation Guide for Microsoft Windows下载的CUDA10.0版本。
注:鼠标右键——NVIDIA控制面板——帮助——系统信息——组件查看下图版本号,下载的CUDA版本必须小于下图中的版本号。
之后重复卸载MXNet和更新环境的命令即可。
注:如果出现mxnet中无nd的情况,可能是mxnet-cu100==1.5.0的版本比较高,本人改为mxnet-cu100==1.4.0后即可正常操作。
参考:
1.《动手学深度学习》 — 动手学深度学习 2.0.0 documentation (d2l.ai)
2.(31条消息) 《动手学深度学习》安装CPU计算的MXNet和GPU版本的MXNet_程序员子进的博客-CSDN博客