李沐深度学习教程笔记 (1)

### 李沐深度学习环境配置安装教程 #### 1. Anaconda 的安装 为了搭建李沐《动手学深度学习》所需的开发环境，首先需要安装 Anaconda。Anaconda 是一个开源的数据科学平台，包含了 Python 和大量的数据处理工具包[^1]。 下载并安装最新版本的 Anaconda 后，可以通过以下方式验证安装是否成功： ```bash conda --version ``` 如果显示 Conda 版本号，则说明安装成功。 --- #### 2. 创建虚拟环境 为了避免不同项目之间的依赖冲突，建议为深度学习项目创建独立的虚拟环境。通过以下命令可以完成虚拟环境的创建： ```bash conda create -n d2l python=3.9 ``` 这里我们将虚拟环境命名为 `d2l` 并指定 Python 版本为 3.9[^4]。 激活该虚拟环境： ```bash conda activate d2l ``` --- #### 3. 配置 PyTorch (支持 GPU 加速) 对于深度学习框架的选择，《动手学深度学习》推荐使用 PyTorch。以下是基于 CUDA 支持的 PyTorch 安装方法： 运行以下命令来安装支持 GPU 的 PyTorch（假设您的显卡驱动已正确安装，并且支持 CUDA 11.0 或更高版本）： ```bash conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch ``` 此命令会自动安装与 CUDA 工具链兼容的 PyTorch 及其相关组件[^5]。 如果您不需要 GPU 支持，也可以选择 CPU-only 版本： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` --- #### 4. Jupyter Notebook 的配置 Jupyter Notebook 是一种交互式的编程环境，非常适合用于实验和调试代码。在虚拟环境中启用 Jupyter Notebook： 确保您已经安装了 Jupyter： ```bash conda install jupyterlab ``` 启动 Jupyter Lab： ```bash jupyter lab ``` 当您希望在特定虚拟环境下工作时，可能需要手动加载对应环境中的 kernel。执行如下操作以注册当前虚拟环境到 Jupyter 中： ```bash python -m ipykernel install --user --name=d2l --display-name "Python (D2L)" ``` 这样可以在 Jupyter 界面中看到名为 **Python (D2L)** 的选项[^3]。 --- #### 5. 下载并解压课程资源 访问官方教材地址 https://zh-v2.d2l.ai/ ，找到配套源码链接 `d2l-zh.zip` 文件。将其保存至用户目录下的 “李沐课程” 文件夹中[^2]。 随后解压缩文件： ```bash unzip d2l-zh.zip -d ./d2l-course/ ``` 进入解压后的路径即可查看所有章节对应的代码实现。 --- #### 6. 测试环境是否正常 最后一步是对整个流程进行测试，确认各部分功能无误。打开任意一节练习笔记本文档 `.ipynb` 运行单元格观察是否有错误提示。如果没有异常则表明环境部署完毕！ --- ### 总结 以上步骤涵盖了从基础软件准备到具体实践所需的一切环节。按照上述指南逐步实施能够顺利构建适合阅读《动手学深度学习》书籍的学习场所。