Установка
Чтобы быстро начать работу и получить практический опыт, нам нужно настроить среду для запуска Python, Jupyter Notebook, необходимых библиотек и кода этой книги.
Установка Miniconda
Проще всего установить Miniconda, которая работает на Python 3.x. Если conda уже установлена, следующие шаги можно пропустить. Зайдите на сайт Miniconda и выберите подходящую версию в соответствии с вашей версией Python 3.x.
Если вы используете macOS и версия Python — 3.9 (на ней мы тестировали код), скачайте bash-скрипт, в имени которого есть строка «MacOSX», и выполните следующее:
# Пример для процессора Intel; имя файла может отличаться
sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b
Если вы используете Linux и версия Python — 3.9 (на ней мы тестировали код), скачайте bash-скрипт, в имени которого есть строка «Linux», и выполните следующее:
# Имя файла может отличаться
sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b
Затем инициализируйте оболочку терминала, чтобы можно было запускать conda напрямую.
~/miniconda3/bin/conda init
Теперь закройте и заново откройте текущую оболочку. Создайте новое окружение командой:
conda create --name d2l python=3.9 -y
Теперь активируйте окружение d2l:
conda activate d2l
Установка фреймворка глубокого обучения и пакета d2l
Перед установкой фреймворка глубокого обучения проверьте, есть ли на компьютере доступный GPU. Например, посмотрите, установлен ли на компьютере GPU NVIDIA и CUDA. Если на машине нет GPU, беспокоиться не стоит: для первых глав вполне достаточно CPU. Но если вы хотите комфортно пройти все главы, заранее обзаведитесь GPU и установите GPU-версию фреймворка глубокого обучения.
MXNet: чтобы установить GPU-версию MXNet, сначала нужно узнать установленную версию CUDA (это можно проверить командой nvcc --version или cat /usr/local/cuda/version.txt). Предположим, что установлена CUDA 10.1; выполните следующие команды:
# Для пользователей Linux и macOS
pip install mxnet-cu101==1.7.0
# Для пользователей Windows
pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python
Число в конце mxnet-cu101 можно менять в соответствии с версией CUDA, например: для CUDA 10.0 — cu100, для CUDA 9.0 — cu90.
Если на машине нет GPU NVIDIA или CUDA, CPU-версию MXNet можно установить так:
pip install mxnet==1.7.0.post1
PyTorch: CPU- или GPU-версию PyTorch можно установить так:
pip install torch==1.12.0
pip install torchvision==0.13.0
TensorFlow: CPU- или GPU-версию TensorFlow можно установить так:
pip install tensorflow==2.8.0
pip install tensorflow-probability==0.16.0
PaddlePaddle: чтобы установить GPU-версию PaddlePaddle, сначала нужно узнать установленную версию CUDA (это можно проверить командой nvcc --version или cat /usr/local/cuda/version.txt). Предположим, что установлена CUDA 11.2; выполните следующую команду:
python -m pip install paddlepaddle-gpu==2.3.2.post112 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
Если на машине нет GPU NVIDIA или CUDA, CPU-версию PaddlePaddle можно установить так:
# Параметр -i задаёт зеркало PyPI университета Цинхуа; его можно опустить
python -m pip install paddlepaddle==2.3.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
Следующий шаг — установить пакет d2l, чтобы было удобно вызывать функции и классы, которые часто используются в книге:
pip install d2l==0.17.6
Скачивание блокнотов D2L
Далее нужно скачать код книги. Можно скачать и распаковать его, выбрав пункт с блокнотами Jupyter вверху HTML-страницы книги на сайте оригинала zh.d2l.ai, либо загрузить следующим образом:
MXNet:
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd mxnet
PyTorch:
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd pytorch
TensorFlow:
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd tensorflow
PaddlePaddle:
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd paddle
Примечание: если unzip не установлен, его можно установить командой sudo apt install unzip.
После установки откройте Jupyter Notebook командой (в командной строке Windows перед запуском этой команды сначала перейдите в каталог с только что распакованным кодом книги):
jupyter notebook
Теперь откройте в браузере http://localhost:8888 (обычно он открывается автоматически). После этого можно запускать код каждого раздела книги. Перед запуском кода книги, обновлением фреймворка глубокого обучения или пакета d2l всегда выполняйте conda activate d2l, чтобы активировать среду выполнения. Чтобы выйти из окружения, выполните conda deactivate.
MXNet: Обсуждение
PyTorch: Обсуждение
TensorFlow: Обсуждение
PaddlePaddle: Обсуждение