Установка¶
Чтобы приступить к работе, нам понадобится среда выполнения Python, Jupyter Notebook, необходимые библиотеки и код, требуемый для запуска материалов книги.
Установка Miniconda¶
Самый простой вариант — установить Miniconda. Обратите внимание, что требуется версия Python 3.x. Если на вашем компьютере уже установлен conda, вы можете пропустить следующие шаги.
Перейдите на сайт Miniconda и определите подходящую версию для вашей системы, исходя из версии Python 3.x и архитектуры вашего компьютера. Предположим, что версия вашего Python — 3.9 (наша протестированная версия). Если вы используете macOS, скачайте bash-скрипт, название которого содержит строку «MacOSX», перейдите в папку загрузки и выполните установку следующим образом (в качестве примера рассмотрим Mac на базе процессоров Intel):
# The file name is subject to changes
sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b
Пользователь Linux должен скачать файл, название которого содержит строку “Linux”, и выполнить следующие команды в папке загрузки:
# The file name is subject to changes
sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b
Пользователь Windows должен загрузить и установить Miniconda, следуя
онлайн-инструкциям. В
Windows можно найти cmd, чтобы открыть командную строку
(интерпретатор командной строки) для выполнения команд.
Далее инициализируем оболочку, чтобы мы могли запускать conda
напрямую.
~/miniconda3/bin/conda init
Затем закройте и снова откройте текущую оболочку. Теперь вы сможете создать новую среду следующим образом:
conda create --name d2l python=3.9 -y
Теперь мы можем активировать окружение d2l:
conda activate d2l
Установка фреймворка для глубокого обучения и пакета d2l¶
Прежде чем устанавливать любой фреймворк для глубокого обучения, убедитесь, есть ли на вашем компьютере подходящие графические процессоры (GPU). Графические процессоры, обеспечивающие вывод изображения на экране стандартного ноутбука, для наших целей не подходят. Например, если ваш компьютер оснащен GPU от NVIDIA и на нём установлен CUDA, то все готово. Если же на вашем компьютере нет GPU, не стоит беспокоиться: мощности центрального процессора (CPU) вполне достаточно, чтобы пройти первые несколько глав. Просто имейте в виду, что для запуска более крупных моделей вам потребуется доступ к GPU.
Вы можете установить PyTorch (указанные версии протестированы на момент написания) с поддержкой CPU или GPU следующим образом:
pip install torch==2.0.0 torchvision==0.15.1
Следующим шагом будет установка пакета d2l, который мы разработали
для инкапсуляции часто используемых функций и классов, встречающихся в
этой книге:
pip install d2l==1.0.3
Скачивание и запуск кода¶
Далее необходимо скачать ноутбуки, чтобы вы могли запускать фрагменты кода из книги. Просто перейдите на вкладку «Notebooks» в верхней части любой HTML-страницы на веб-сайте D2L.ai, чтобы скачать код, а затем распакуйте архив. Кроме того, вы можете загрузить ноутбуки через командную строку следующим образом:
mkdir d2l-en && cd d2l-en
curl https://d2l.ai/d2l-en-1.0.3.zip -o d2l-en.zip
unzip d2l-en.zip && rm d2l-en.zip
cd pytorch
Если у вас ещё не установлен unzip, сначала выполните
sudo apt-get install unzip. Теперь мы можем запустить сервер Jupyter
Notebook, выполнив:
jupyter notebook
На этом этапе вы можете открыть http://localhost:8888 (возможно, он уже
открылся автоматически) в веб-браузере. Затем мы можем запустить код для
каждого раздела книги. Каждый раз, когда вы открываете новое окно
командной строки, вам нужно выполнить conda activate d2l, чтобы
активировать среду выполнения перед запуском ноутбуков D2L или
обновлением пакетов (либо фреймворка глубокого обучения, либо пакета
d2l). Чтобы выйти из среды, выполните conda deactivate.