安装和运行

为了动手学深度学习,我们需要获取本书代码,安装并运行 Python、MXNet、Jupyter notebook 等工具。

进入命令行模式

在这一节中,我们将描述安装和运行所需要的命令。执行命令需要进入命令行模式:Windows 用户可以在文件资源管理器的地址栏输入 cmd 并按回车键,Linux/macOS 用户可以打开 Terminal 应用。

获取代码并安装运行环境

我们可以通过 Conda 来获取本书代码并安装运行环境。Windows 和 Linux/macOS 用户请分别参照以下步骤。

Windows 用户

第一步,根据操作系统下载并安装 Miniconda(网址:https://conda.io/miniconda.html ),在安装过程中需要勾选“Add Anaconda to my PATH environment variable”选项。

第二步,下载包含本书全部代码的压缩包。我们可以在浏览器的地址栏中输入以下地址并按回车键进行下载:

下载完成后,创建文件夹“gluon_tutorials_zh-1.0”并将以上压缩包解压到这个文件夹。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,安装运行所需的软件包并激活该运行环境。我们可以先通过运行下面命令来配置下载源,从而使用国内镜像加速下载 :

# 优先使用清华 conda 镜像。
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 或者选用科大 conda 镜像。
conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/

然后运行以下命令安装并激活运行环境。

conda env create -f environment.yml
activate gluon

第四步,打开 Juputer notebook。运行下面命令。

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。

第五步(可选项),如果你是国内用户,建议使用国内 Gluon 镜像加速数据集和预训练模型的下载。运行下面命令。

set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook

Linux/macOS 用户

第一步,根据操作系统下载并安装 Miniconda(网址:https://conda.io/miniconda.html )。

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:

Do you accept the license terms? [yes|no]
[no] >>> yes
Do you wish the installer to prepend the Miniconda3 install location
to PATH in your /xx/yyy/.zzzz ? [yes|no]
[no] >>> yes

安装完成后,我们需要让 conda 生效。Linux 用户需要运行一次 source ~/.bashrc 或重启命令行;macOS 用户需要运行一次 source ~/.bash_profile 或重启命令行。

第二步,下载包含本书全部代码的压缩包,解压后进入文件夹。运行如下命令。

mkdir gluon_tutorials_zh-1.0 && cd gluon_tutorials_zh-1.0
curl https://zh.gluon.ai/gluon_tutorials_zh-1.0.tar.gz -o tutorials.tar.gz
tar -xzvf tutorials.tar.gz && rm tutorials.tar.gz

第三步,安装运行所需的软件包并激活该运行环境。我们可以先通过运行下面命令来配置下载源,从而使用国内镜像加速下载 :

# 优先使用清华 conda 镜像。
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 或者选用科大 conda 镜像。
conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/

然后运行以下命令安装并激活运行环境。

conda env create -f environment.yml
source activate gluon

由于教程会使用 matplotlib.plot 函数作图,macOS 用户需要创建或访问 ~/.matplotlib/matplotlibrc 文件并添加一行代码:backend: TkAgg

第四步,打开 Juputer notebook。运行下面命令。

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。

第五步(可选项),如果你是国内用户,建议使用国内 Gluon 镜像加速数据集和预训练模型的下载。运行下面命令。

MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook

激活运行环境

运行环境中已安装了运行书中代码所需的 Python、MXNet、Jupyter notebook 等工具。我们可以在下载并解压的代码包里的文件“gluon_tutorials_zh-1.0/environment.yml”中查看它们。在运行书中代码前,我们需要激活运行环境。Windows 和 Linux/macOS 用户请分别参照以下步骤激活并退出运行环境。

Windows 用户

首先进入之前解压得到的文件夹“gluon_tutorials_zh-1.0”。然后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。最后运行以下命令激活安装环境。

activate gluon

如需退出激活环境,运行以下命令。

deactivate

Linux/macOS 用户

首先在命令行模式下进入之前解压得到的文件夹“gluon_tutorials_zh-1.0”(例如运行 cd gluon_tutorials_zh-1.0),然后运行以下命令激活安装环境。

source activate gluon

如需退出激活环境,运行以下命令。

source deactivate

更新代码和运行环境

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(例如代码)和相应的运行环境(例如新版 MXNet)。以下是更新的具体步骤。

第一步,重新下载最新的包含本书全部代码的包。下载地址可以从以下二者之间选择。

解压后进入文件夹“gluon_tutorials_zh”。

第二步,使用下面命令更新运行环境。

conda env update -f environment.yml

使用 GPU 版的 MXNet

通过前面介绍的方式安装的 MXNet 只支持 CPU 计算。本书中有部分章节需要或推荐使用 GPU 来运行。如果你的电脑上有 Nvidia 显卡并安装了 CUDA,建议使用 GPU 版的 MXNet。

我们在完成获取代码并安装运行环境的步骤后,需要先激活运行环境。然后卸载 CPU 版本的 MXNet:

pip uninstall mxnet

接下来,退出运行环境。使用文本编辑器打开之前解压得到的代码包里的文件“gluon_tutorials_zh-1.0/environment.yml”。如果电脑上装的是 8.0 版本的 CUDA,将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的 CUDA(比如 7.5、9.0、9.2 等),对该文件中的字符串“mxnet”做类似修改(比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等)。然后,使用下面命令更新运行环境。

conda env update -f environment.yml

之后,我们只需要再激活安装环境就可以使用 GPU 版的 MXNet 运行书中代码了。

更新代码和运行环境

如果使用 GPU 版的 MXNet,更新代码和运行环境可参照以下步骤:

第一步,重新下载最新的包含本书全部代码的包。下载地址可以从以下二者之间选择。

解压后进入文件夹“gluon_tutorials_zh”。

第二步,使用文本编辑器打开文件夹“gluon_tutorials_zh”中的环境配置文件“environment.yml”。如果电脑上装的是 8.0 版本的 CUDA,将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的 CUDA(比如 7.5、9.0、9.2 等),对该文件中的字符串“mxnet”做类似修改(比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等)。

第三步,使用下面命令更新运行环境。

conda env update -f environment.yml

小结

  • 为了能够动手学深度学习,我们需要获取本书代码并安装运行环境。
  • 我们建议大家定期更新代码和运行环境。

练习

  • 获取本书代码并安装运行环境。如果你在安装时遇到任何问题,请扫一扫本节二维码。在讨论区,你可以查阅疑难问题汇总或者提问。

扫码直达 讨论区