Pentru a începe, vom avea nevoie de un mediu pentru rularea Python, Jupyter Notebook, bibliotecile relevante și codul necesar pentru a rula cartea în sine.

Cea mai simplă opțiune este să instalați Miniconda. Rețineți că este necesară versiunea Python 3.x. Puteți sări peste pașii următori dacă mașina dumneavoastră are deja conda instalat.

Vizitați site-ul Miniconda și determinați versiunea potrivită pentru sistemul dumneavoastră, bazată pe versiunea Python 3.x și arhitectura mașinii. Să presupunem că versiunea dumneavoastră de Python este 3.9 (versiunea testată de noi). Dacă folosiți macOS, ați descărca scriptul bash al cărui nume conține șirul „MacOSX”, ați naviga la locația descărcării și ați executa instalarea după cum urmează (luând Intel Macs ca exemplu):

# Numele fișierului poate suferi modificări
sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b

Un utilizator Linux ar descărca fișierul al cărui nume conține șirul „Linux” și ar executa următoarele la locația descărcării:

# Numele fișierului poate suferi modificări
sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b

Un utilizator Windows ar descărca și instala Miniconda urmând instrucțiunile online. Pe Windows, puteți căuta cmd pentru a deschide Command Prompt (interpretul de linie de comandă) pentru rularea comenzilor.

Apoi, inițializați shell-ul astfel încât să puteți rula conda direct.

~/miniconda3/bin/conda init

Apoi închideți și redeschideți shell-ul curent. Ar trebui să puteți crea un nou mediu după cum urmează:

conda create --name d2l python=3.9 -y

Acum putem activa mediul d2l:

conda activate d2l

Înainte de a instala orice framework de deep learning, vă rugăm să verificați mai întâi dacă aveți GPU-uri adecvate pe mașina dumneavoastră (GPU-urile care alimentează afișajul pe un laptop standard nu sunt relevante pentru scopurile noastre). De exemplu, dacă computerul dumneavoastră are GPU-uri NVIDIA și a instalat CUDA, atunci sunteți pregătit. Dacă mașina dumneavoastră nu găzduiește niciun GPU, nu trebuie să vă faceți griji încă. CPU-ul dumneavoastră oferă suficientă putere pentru a vă ajuta să parcurgeți primele capitole. Doar amintiți-vă că veți dori să accesați GPU-uri înainte de a rula modele mai mari.

Puteți instala PyTorch (versiunile specificate sunt testate la momentul scrierii) cu suport fie pentru CPU, fie pentru GPU, după cum urmează:

pip install torch==2.0.0 torchvision==0.15.1

Următorul nostru pas este să instalăm pachetul d2l pe care l-am dezvoltat pentru a încapsula funcțiile și clasele utilizate frecvent în această carte:

pip install d2l==1.0.3

În continuare, veți dori să descărcați notebook-urile pentru a putea rula fiecare bloc de cod al cărții local. Pur și simplu faceți clic pe linkul „Notebook” de la sfârșitul fiecărei pagini.

Dacă nu aveți deja unzip instalat, rulați mai întâi sudo apt-get install unzip. Acum putem porni serverul Jupyter Notebook rulând:

jupyter notebook

În acest moment, puteți deschide http://localhost:8888 (este posibil să se fi deschis deja automat) în browserul dumneavoastră web. De fiecare dată când deschideți o nouă fereastră de linie de comandă, va trebui să executați conda activate d2l pentru a activa mediul de execuție înainte de a rula notebook-urile sau de a vă actualiza pachetele. Pentru a ieși din mediu, rulați conda deactivate.

pytorch Discuții