为了使你起步并获得动手学习的经验，我们需要为你设置一个运行Python，Jupyter notebook，相关库以及运行本书本身所需的代码的环境。

安装Miniconda

最简单的方法是安装Miniconda，需要Python 3.x版本。如果已经安装了conda，则可以跳过以下步骤。从网站上下载相应的Miniconda.sh文件，然后使用
sh -b从命令行执行安装。
对于macOS用户：

  1. # The file name is subject to changes
  2. sh Miniconda3-latest-MacOSX-x86_64.sh -b

对于Linux用户：

  1. # The file name is subject to changes
  2. sh Miniconda3-latest-Linux-x86_64.sh -b

补充：Windows用户直接百度conda/Miniconda下载安装即可，推荐在安装的时候勾选添加环境变量选项

接下来，初始化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您当前的shell。您应该能够创建一个新的环境，如下所示：

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

下载 D2L Notebooks

接下来，我们需要下载本书的代码。您可以单击任何HTML页面顶部的“ All Notebooks”选项卡以下载和解压缩代码。或者，如果您有unzip（否则请运行sudo apt install unzip）：

  1. mkdir d2l-en && cd d2l-en
  2. curl https://d2l.ai/d2l-en.zip -o d2l-en.zip
  3. unzip d2l-en.zip && rm d2l-en.zip

现在我们要激活 d2l 虚拟环境：

  1. conda activate d2l

安装Mxnet框架和d2l包

在安装深度学习框架之前，请首先检查您的机器上是否有合适的GPU（为标准笔记本电脑提供的GPU不计入我们的用途。个人理解就是集成显卡不行，必须是独显）。如果要在拥有GPU的机器上安装，请转到GPU支持（第11页）以获取有关安装GPU支持版本的说明。
否则，您可以如下安装CPU版本。这将足够使您轻松完成前几章，但是您将需要在运行较大模型之前拥有GPU（个人建议最好配置好一台拥有GPU的机器，显存根据自己的经济能力，越大越好，本书后续会有专门的GPU选购指南）。

  1. pip install mxnet==1.7.0.post1

我们还将安装d2l软件包，该软件包封装了本书中常用的函数和类。

  1. # -U: Upgrade all packages to the newest available version
  2. pip install -U d2l

安装它们之后，我们现在通过运行以下命令打开Jupyter Notebook：

  1. jupyter notebook

此时，您可以在Web浏览器中打开http://localhost:8888（通常会自动打开）。然后，我们可以运行本书每个章节的代码。在运行本书的代码或更新深度学习框架或`d2l`包之前，请执行`conda activate d2l以激活运行时环境。要退出环境，请运行conda deactivate`。

GPU支持

MXNet的默认安装版本不支持GPU，以确保它可以在任何计算机（包括大多数笔记本电脑）上运行。本书的一部分要求或建议使用GPU运行。如果您的计算机装有NVIDIA显卡并已安装CUDA11（其他版本也可以，注意对应显卡型号即可，具体可自行百度或csdn查找），则应安装具有GPU功能的版本。如果安装了CPU版本，则可能需要先通过运行以下命令将其删除：

  1. pip uninstall mxnet

然后，我们需要找到您安装的CUDA版本。您可以通过nvcc --version或cat /usr/local/cuda/version.txt进行检查。假设您已安装CUDA 10.1，则可以使用以下命令进行安装：

  1. # For Windows users
  2. pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python
  3. # For Linux and macOS users
  4. pip install mxnet-cu101==1.7.0

你可以改变命令的最后几位数字来对应CUDA版本，例如，cu100 对应 CUDA 10.0 ，cu90 对应 CUDA 9.0

练习

1.下载本书代码并安装运行环境