导入动手学深度学习环境配置
时间: 2025-03-17 19:09:42 浏览: 43
### 配置《动手学深度学习》的实验环境
为了配置《动手学深度学习》的实验环境,可以通过以下几个方面来完成:
#### 1. Anaconda 安装与虚拟环境创建
首先需要安装 Anaconda 或 Miniconda 工具。这是 Python 数据科学领域常用的包管理工具和环境管理器[^1]。通过它能够轻松创建独立的虚拟环境并安装所需的依赖项。
创建一个新的虚拟环境用于隔离项目中的库版本冲突:
```bash
conda create -n d2l python=3.8
```
激活该虚拟环境以便后续操作都在此环境中执行:
```bash
conda activate d2l
```
#### 2. GPU 版本 PyTorch 的安装
如果设备支持 NVIDIA CUDA,则推荐安装带有 GPU 加速功能的 PyTorch 库。这一步骤对于训练大型模型尤为重要。具体命令如下所示:
```bash
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
```
注意这里的 `cudatoolkit` 参数应根据实际显卡驱动程序兼容情况调整其版本号[^2]。
#### 3. Jupyter Notebook 及 Kernel 设置
Jupyter 是一种广泛使用的交互式计算平台,在本书的学习过程中会被频繁用到。然而,默认情况下新建立的 Conda 虚拟环境不会自动关联至 Jupyter Kernels 列表中。因此需额外安装插件以解决这一问题:
```bash
conda install nb_conda_kernels
```
上述指令完成后重新启动 Jupyter 即可发现新增加了一个对应当前活动虚拟环境名称的选择项。
另外还可以直接于目标虚拟环境下运行以下脚本来开启服务端口监听模式下的 Notebook 实例:
```bash
jupyter notebook --no-browser
```
#### 4. D2LZH 教材资源下载与本地化部署
访问官方网站获取最新版教材压缩包文件链接地址 https://zh.d2l.ai/d2l-zh.zip 并将其保存下来解压成目录结构形式放置合适位置上[^3]。接着切换工作路径至此处继续完成剩余准备工作步骤比如 pip 命令行方式批量导入所需第三方扩展模块列表等动作。
```bash
pip install matplotlib pandas requests tqdm mxnet-cu102==1.7.0 gluonnlp torchtext scikit-learn ipywidgets
```
最后记得将刚刚构建出来的自定义 Anaconda Environment 添加回 IDE (Integrated Development Environments) 如 JetBrains PhpStorm Professional Edition 当前可用解释器清单当中去方便日后调试维护等工作流程顺利开展下去。
---
阅读全文
相关推荐


















