李沐深度学习——配置

一、Anaconda

介绍：

Anaconda 是专门为了方便使用 Python 进行数据科学研究而建立的一组软件包，涵盖了数据科学领域常见的 Python 库，并且自带了专门用来解决软件环境依赖问题的 conda 包管理系统。主要是提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

Anaconda有多个 conda 虚拟环境，在使用jupyter notebook时需要使用其中的一个环境，但是其默认还是使用 base 环境。而我们base环境很有可能没安装对应的库。那么需要切换环境。

建议：

如果使用anaconda进行多个项目开发，最好创建不同的虚拟环境，也就是为每个项目配置独立的虚拟环境，使得彼此之间不会受到任何干扰。

anaconda终端操作：

1.创建虚拟环境：

conda create -n name python=x.x

创建python版本x.x，名字为name的虚拟环境。name文件在Anaconda安装目录envs文件下找到。

cmd验证：
conda --version
python

2.切换、删除环境

conda activate name
conda remove -n name --all

3.查看虚拟环境

conda env list

4.安装依赖

# 安装
conda install pkg
pip install pkg
# 卸载
conda remove pkg
pip uninstall pkg
# 查看下载依赖
 conda list

清华源加快速度：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pkg==version 

即安装了名为pkg，版本为version的包

5.查看依赖

conda list

修正：jupyter notebook

直接在Anaconda终端激活环境，切换项目文件夹，然后打开jupyter notebook；（但是务必确保没有修改.jupyter中jupyter notebook的默认工作夹路径）

二、配置前提

1.cuda+cuDNN（GPU版本需要）：

参考：http://t.csdnimg.cn/KoXXF
windows安装cuda：确保已经安装好显卡驱动，首先下载两个安装包
CUDA toolkit（toolkit就是指工具包）：注意查看版本，向下兼容（自己电脑显卡这个驱动最高支持的CUDA版本；以及pytorch对应的cuda版本）
cuDNN：相当于CUDA的一个补丁，专门用于配置深度学习使用，加速库（用显卡加速深度学习）

2.pytorch下载：

（1）在anaconda（或者vscode等ide）建立新的虚拟环境pytorch
（2）选择符合自己cuda版本的pytorch，在官网找到下载代码下载（这里是GPU版本）
（3）如果下载失败，则切换为默认源，然后再换清华源

验证：

python
import torch
torch.cuda.is_available()

3.下载d2l软件包：

http://t.csdnimg.cn/svnQs

4.jupyter book

打开后发现，辛辛苦苦安装的PyTorch却无法被jupyter notebook调用，还需要完成以下步骤，输入以下命令安装插件：（注意要先激活你需要的环境）

conda install nb_conda
conda install ipykernel

如果清华源没用：pip install 包名 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

启动jupyter失败：
第一个报错:
ModuleNotFoundError: No module named 'notebook.notebookapp'
解决方法:cmd依次执行如下代码

pip uninstall notebook
pip install notebook

第二个报错:
ModuleNotFoundError: No module named 'jupyter_server.contents'
解决方法:cmd依次执行如下代码

pip uninstall traitlets
pip install traitlets==5.9.0 --user

参考链接：http://t.csdnimg.cn/vlko6