快速部署一个深度学习代码教程

《动手学深度学习》(Aston Zhang)是一本比较优秀的深度学习方面书籍,Shusen Tang在此基础上，将实验运行代码改为基于Pytorch（Nvidia支持），便于学习者快速理解深度学习和运行相关代码。本文将介绍快速部署的所有主要步骤，以及如何解决的遇到问题。

操作系统运行环境： win10 (linux应该也可以)

Python环境：Anaconda3-2023.09-0-Windows-x86_64(自带jupyter)

DL框架：Pytorch2.2.0

深度学习代码：

GitHub - ShusenTang/Dive-into-DL-PyTorch: 本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现改为PyTorch实现。

书本：《动手学深度学习》PYTORCH版（DEMO）  Shusen Tang

1. 部署

1.1 安装Anaconda3-2023.09-0-Windows-x86_64，确认jupyter notebook运行正常，站内参考很多，这里不详述。

1.2 生成专门为本项目的虚拟环境（如果已经有了虚拟环境，请跳过）

打开Anaconda Prompt，出现一个类似CMD的DOS窗口

Conda create -n DL_Tang    //DL_Tang为虚拟环境名

Conda activate DL_Tang  //激活并进入这个虚拟环境

1.3 安装Pytorch以及其他必要的python包

1.3.1 安装Pytorch，请参考站内文档，这里不详述。

安装命令类似于：conda install pytorch … 后面的配置参数对应网站会有提示

时间较长，需要耐心等待安装成功

在Anaconda Prompt下，确认在DL_Tang这个虚拟环境下

键入python

>>> import torch

没有报错的话，说明安装成功

1.3.2 安装其他一些包，如torchtext,tqdm

conda install -c pytorch torchtext

conda install tqdm

或者等运行时报错，来按照提示安装对应包

2 启动jupyter notebook，确认深度学习代码运行正常
2.1    将深度学习代码解压，比如在d:\ai目录下
2.2    在Anaconda Prompt下，进入d:\ai
2.3    打入命令 jupyter notebook
2.4    这时notebook会启动，浏览器会打开，链接地址类似 localhost:8888/tree/ai
2.5    在浏览器里打开一个目录，比如chapter02_prerequisite
2.6    找到2.2_tensor.ipynb文件，双击之
2.7    这时代码及其说明会在浏览器新窗口里打开，按三角形运行键，开始项目学习

3. 遇到问题及解决办法
3.1 运行时报告缺失包，来按照提示安装对应包
3.2  一些问题，可能是因为anaconda或torch版本较新
    如运行3.6_softmax-regression-scratch.ipynb，报第1283行错
X, y = iter(test_iter).next() 说next()不存在
改为
X, y = iter(test_iter).__next__()
运行正常