本节将介绍如何获取本书的代码和安装运行代码所依赖的软件。虽然跳过本节不会影响后面的阅读,但我们还是强烈建议读者按照下面的步骤来动手操作一遍。本书大部分章节的练习都涉及改动代码并观察运行结果。因此,本节是完成这些练习的基础。
本书的内容和代码均可在网上免费获取。我们推荐使用conda来安装运行代码所依赖的软件。conda是一个流行的Python包管理软件。Windows和Linux/macOS用户可分别参照以下步骤。
第一次运行需要完整完成下面5个步骤。如果是再次运行,可以忽略前面3步的下载和安装,直接跳转到第四步和第五步。
第一步是根据操作系统下载并安装Miniconda,在安装过程中需要勾选“Add Anaconda to the system PATH environment variable”选项(如当conda版本为4.6.14时)。
第二步是使用git下载包含本书全部代码的代码库:git clone git@github.com:sangyx/d2l-torch.git
。下载完成后将会得到一个名为“d2l-torch”的文件夹。在该目录文件资源管理器的地址栏输入cmd
进入命令行模式。
第三步是使用conda创建虚拟(运行)环境。conda和pip默认使用国外站点来下载软件,我们可以配置国内镜像来加速下载(国外用户无须此操作)。
# 配置清华PyPI镜像(如无法运行,将pip版本升级到>=10.0.0)
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
接下来使用conda创建虚拟环境并安装本书需要的软件。这里environment.yml
是放置在代码压缩包中的文件。使用文本编辑器打开该文件,即可查看运行压缩包中本书的代码所依赖的软件(如torch和d2ltorch
包)及版本号。
(因为 torchsummary 模块使用git安装我在github上的定制版本,可能会比较慢,请耐心等待)
conda env create -f environment.yml
若使用国内镜像后出现安装错误,首先取消PyPI镜像配置,即执行命令pip config unset global.index-url
。然后重试命令conda env create -f environment.yml
。
第四步是激活之前创建的环境。激活该环境是能够运行本书的代码的前提。如需退出虚拟环境,可使用命令conda deactivate
(若conda版本低于4.4,使用命令deactivate
)。
conda activate pytorch # 若conda版本低于4.4,使用命令activate pytorch
第五步是打开Jupyter记事本。
jupyter notebook
这时在浏览器打开 http://localhost:8888 (通常会自动打开)就可以查看和运行本书中每一节的代码了。
# 以Miniconda官方网站上的安装文件名为准
sh Miniconda3-latest-Linux-x86_64.sh
安装时会显示使用条款,按“↓”继续阅读,按“Q”退出阅读。之后需要回答下面几个问题(如当conda版本为4.6.14时):
Do you accept the license terms? [yes|no]
[no] >>> yes
Do you wish the installer to initialize Miniconda3
by running conda init? [yes|no]
[no] >>> yes
安装完成后,需要让conda生效。Linux用户需要运行一次source ~/.bashrc
或重启命令行应用;macOS用户需要运行一次source ~/.bash_profile
或重启命令行应用。
第二步是下载包含本书全部代码的压缩包,解压后进入文件夹。运行以下命令。Linux用户如未安装git
,可运行命令sudo apt install git
安装。
git clone git@github.com:sangyx/d2l-torch.git
第三步至第五步可参考前面Windows下的安装步骤。若conda版本低于4.4,其中第四步需将命令替换为source activate pytorch
,并使用命令source deactivate
退出虚拟环境。
为了适应深度学习和MXNet的快速发展,本书的开源内容将定期发布新版本。我们推荐大家定期更新本书的开源内容(如代码)和相应的运行环境(如新版MXNet)。以下是更新的具体步骤。
第一步是重新下载最新的包含本书全部代码的代码库(如果原版本中的修改对您有用,请先备份原版本)。进入d2ltorch目录执行如下命令:
git fetch --all
git reset --hard origin/master
git pull
第二步是使用下面的命令更新运行环境:
conda env update -f environment.yml
之后的激活环境和运行Jupyter步骤跟本节前面介绍的一致。
通过前面介绍的方式安装的PyTorch只支持CPU计算。本书中部分章节需要或推荐使用GPU来运行。如果你的计算机上有NVIDIA显卡并安装了CUDA,建议使用GPU版的PyTorch。
第一步是卸载CPU版本PyTorch。如果没有安装虚拟环境,可以跳过此步。如果已安装虚拟环境,需要先激活该环境,再卸载CPU版本的PyTorch。
pip uninstall torch torchvision
然后退出虚拟环境。
第二步是更新依赖为GPU版本的PyTorch。首先进入https://pytorch.org/get-started/locally/选择适合自己计算机的PyTorch版本的pip安装命令。然后使用文本编辑器打开本书的代码所在根目录下的文件environment.yml
,将里面的字符串“pytorch”替换成对应版本的安装命令。例如,如果计算机系统为Windows,装的是9.0版本的CUDA,将该文件中的字符串“torch==1.1.0”改为“https://download.pytorch.org/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl%E2%80%9D ,将字符串“torchvision==0.3.0”改为“https://download.pytorch.org/whl/cu90/torchvision-0.3.0-cp36-cp36m-win_amd64.whl%E2%80%9D 。保存文件后退出。
第三步是更新虚拟环境,执行命令
conda env update -f environment.yml