安装

:label:chap_installation

我们需要配置一个环境来运行 Python、Jupyter Notebook、相关库以及运行本书所需的代码，以快速入门并获得动手学习经验。

安装 Miniconda

最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda，则可以跳过以下步骤。访问Miniconda网站，根据Python3.x版本确定适合你的系统的版本。

如果你使用macOS，假设你的Python版本是3.8（我们的测试版本），你将下载名称包含字符串“MacOSX”的bash脚本，并执行以下操作：

  1. # 文件名可能会更改
  2. sh Miniconda3-py38_4.10.3-MacOSX-x86_64.sh -b

如果你使用Linux，假设你的Python版本是3.8（我们的测试版本），你将下载名称包含字符串“Linux”的bash脚本，并执行以下操作：

  1. # 文件名可能会更改
  2. sh Miniconda3-py38_4.10.3-Linux-x86_64.sh -b

接下来，初始化终端Shell，以便我们可以直接运行conda。

  1. ~/miniconda3/bin/conda init

现在关闭并重新打开当前的 shell。你应该能用下面的命令创建一个新的环境：

  1. conda create --name d2l python=3.8 -y

现在激活 d2l 环境：

  1. conda activate d2l

安装深度学习框架和d2l软件包

在安装深度学习框架之前，请先检查你的计算机上是否有可用的GPU。 例如，你可以查看计算机是否装有NVIDIA GPU并已安装CUDA。 如果你的机器没有任何GPU，没有必要担心，因为你的CPU在前几章完全够用。 但是，如果你想流畅地学习全部章节，请提早获取GPU并且安装深度学习框架的GPU版本。

:begin_tab:mxnet

安装MXNet的GPU版本，你首先需要知道已安装的CUDA版本。 （你可以通过运行nvcc --version或cat /usr/local/cuda/version.txt来检验。） 假设你已安装CUDA 10.1版本，请执行以下命令：

  1. # 对于Linux和macOS用户
  2. pip install mxnet-cu101==1.7.0
  4. # 对于Windows用户
  5. pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python

你可以根据你的CUDA版本更改如上mxnet-cu101的最后一位数字， 例如：CUDA 10.0是cu100， CUDA 9.0是cu90。

如果你的机器没有NVIDIA GPU或CUDA， 你可以按如下方式MXNet的CPU版本：

  1. pip install mxnet==1.7.0.post1

:end_tab:

:begin_tab:pytorch

你可以按如下方式安装PyTorch的CPU或GPU版本：

  1. pip install torch==1.11.0
  2. pip install torchvision==0.12.0

:end_tab:

:begin_tab:tensorflow 你可以按如下方式安装TensorFlow的CPU或GPU版本：

  1. pip install tensorflow==2.8.0
  2. pip install tensorflow-probability==0.16.0

:end_tab:

我们的下一步是安装d2l包，以方便调取本书中经常使用的函数和类：

  1. pip install d2l==0.17.5

下载 D2L Notebook

接下来，需要下载这本书的代码。 你可以点击本书HTML页面顶部的“Jupyter 记事本”选项下载后解压代码。 或者，你可以按照如下方式进行下载：

:begin_tab:mxnet

  1. mkdir d2l-zh && cd d2l-zh
  2. curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
  3. unzip d2l-zh.zip && rm d2l-zh.zip
  4. cd mxnet

注意：如果你没有安装unzip，则可以通过运行sudo apt install unzip进行安装。

:end_tab:

:begin_tab:pytorch

  1. mkdir d2l-zh && cd d2l-zh
  2. curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
  3. unzip d2l-zh.zip && rm d2l-zh.zip
  4. cd pytorch

注意：如果你没有安装unzip，则可以通过运行sudo apt install unzip进行安装。

:end_tab:

:begin_tab:tensorflow

  1. mkdir d2l-zh && cd d2l-zh
  2. curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
  3. unzip d2l-zh.zip && rm d2l-zh.zip
  4. cd tensorflow

注意：如果你没有安装unzip，则可以通过运行sudo apt install unzip进行安装。

:end_tab:

安装完成后，你可以通过运行以下命令打开Jupyter笔记本（在Window系统的命令行窗口中运行以下命令前，需先将当前路径定位到刚下载的本书代码解压后的目录）：

  1. jupyter notebook

现在，你可以在Web浏览器中打开http://localhost:8888（通常会自动打开）。 由此，你可以运行这本书中每个部分的代码。 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以激活运行时环境。 要退出环境，请运行conda deactivate。

:begin_tab:mxnet Discussions :end_tab:

:begin_tab:pytorch Discussions :end_tab:

:begin_tab:tensorflow Discussions :end_tab: