《动手学深度学习》（李沐）配置MXNet及异常问题

        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

3.(31条消息) 【CUDA】cuda安装 （windows版）_何为xl的博客-CSDN博客_cuda安装

4.(31条消息) mxnet cannot import name 'nd'_AI视觉网奇的博客-CSDN博客