.. _chap_installation:

安装
====


我们需要配置一个环境来运行 Python、Jupyter
Notebook、相关库以及运行本书所需的代码，以快速入门并获得动手学习经验。

安装 Miniconda
--------------

最简单的方法就是安装依赖Python
3.x的\ `Miniconda <https://conda.io/en/latest/miniconda.html>`__\ 。
如果已安装conda，则可以跳过以下步骤。访问Miniconda网站，根据Python3.x版本确定适合的版本。

如果我们使用macOS，假设Python版本是3.9（我们的测试版本），将下载名称包含字符串“MacOSX”的bash脚本，并执行以下操作：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   # 以Intel处理器为例，文件名可能会更改
   sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b

如果我们使用Linux，假设Python版本是3.9（我们的测试版本），将下载名称包含字符串“Linux”的bash脚本，并执行以下操作：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   # 文件名可能会更改
   sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b

接下来，初始化终端Shell，以便我们可以直接运行\ ``conda``\ 。

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   ~/miniconda3/bin/conda init

现在关闭并重新打开当前的shell。并使用下面的命令创建一个新的环境：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   conda create --name d2l python=3.9 -y

现在激活 ``d2l`` 环境：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   conda activate d2l

安装深度学习框架和\ ``d2l``\ 软件包
-----------------------------------

在安装深度学习框架之前，请先检查计算机上是否有可用的GPU。
例如可以查看计算机是否装有NVIDIA
GPU并已安装\ `CUDA <https://developer.nvidia.com/cuda-downloads>`__\ 。
如果机器没有任何GPU，没有必要担心，因为CPU在前几章完全够用。
但是，如果想流畅地学习全部章节，请提早获取GPU并且安装深度学习框架的GPU版本。

我们的下一步是安装\ ``d2l``\ 包，以方便调取本书中经常使用的函数和类：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   pip install d2l==0.17.6

下载 D2L Notebook
-----------------

接下来，需要下载这本书的代码。 可以点击本书HTML页面顶部的“Jupyter
记事本”选项下载后解压代码，或者可以按照如下方式进行下载：

安装完成后我们可以通过运行以下命令打开Jupyter笔记本（在Window系统的命令行窗口中运行以下命令前，需先将当前路径定位到刚下载的本书代码解压后的目录）：

.. raw:: latex

   \diilbookstyleinputcell

.. code:: bash

   jupyter notebook

现在可以在Web浏览器中打开\ http://localhost:8888\ （通常会自动打开）。
由此，我们可以运行这本书中每个部分的代码。
在运行书籍代码、更新深度学习框架或\ ``d2l``\ 软件包之前，请始终执行\ ``conda activate d2l``\ 以激活运行时环境。
要退出环境，请运行\ ``conda deactivate``\ 。