Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
d2l-zh
提交
c5c9ae85
D
d2l-zh
项目概览
OpenDocCN
/
d2l-zh
通知
2
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
D
d2l-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
提交
c5c9ae85
编写于
6月 09, 2018
作者:
A
Aston Zhang
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
crashcourse
上级
6118200c
变更
4
显示空白变更内容
内联
并排
Showing
4 changed file
with
29 addition
and
28 deletion
+29
-28
Makefile
Makefile
+1
-1
chapter_crashcourse/index.md
chapter_crashcourse/index.md
+2
-1
chapter_crashcourse/install.md
chapter_crashcourse/install.md
+26
-26
chapter_crashcourse/old-intro.md
chapter_crashcourse/old-intro.md
+0
-0
未找到文件。
Makefile
浏览文件 @
c5c9ae85
...
...
@@ -8,7 +8,7 @@ build/%.md: %.md
@
mkdir
-p
$
(
@D
)
@
cp
$<
$@
MARKDOWN
=
$(
wildcard
*
/index.md
)
chapter_
crashcourse/introduction.md chapter_
appendix/aws.md
MARKDOWN
=
$(
wildcard
*
/index.md
)
chapter_appendix/aws.md
NOTEBOOK
=
$(
filter-out
$(MARKDOWN)
,
$(
wildcard
chapter
*
/
*
.md
))
OBJ
=
$(
patsubst
%.md, build/%.md,
$(MARKDOWN)
)
\
...
...
chapter_crashcourse/index.md
浏览文件 @
c5c9ae85
# 预备知识
在动手学习之前,我们需要获取本书代码,并安装运行本书代码所需要的工具。作为动手学深度学习的基础,我们还需要了解如何对内存中的数据进行操作,以及对函数求梯度的方法。
```
eval_rst
.. toctree::
:maxdepth: 2
introduction
install
ndarray
autograd
...
...
chapter_crashcourse/install.md
浏览文件 @
c5c9ae85
# 安装和运行
为了便于动手学深度学习,让我们获取本书代码、安装并运行所需要的工具,例如
MXNet
。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:Linux/macOS用户可以打开Terminal应用,Windows用户可以在文件资源管理器的地址栏输入
`cmd`
。
为了便于动手学深度学习,让我们获取本书代码、安装并运行所需要的工具,例如
Python、MXNet和Jupyter notebook
。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:Linux/macOS用户可以打开Terminal应用,Windows用户可以在文件资源管理器的地址栏输入
`cmd`
。
## 获取代码并安装运行环境
...
...
@@ -14,7 +14,7 @@
第二步,下载包含本书全部代码的包,解压后进入文件夹。Linux/macOS用户可以使用如下命令。
```
```
{.python .input}
mkdir gluon-tutorials && cd gluon-tutorials
curl https://zh.gluon.ai/gluon_tutorials_zh.tar.gz -o tutorials.tar.gz
tar -xzvf tutorials.tar.gz && rm tutorials.tar.gz
...
...
@@ -25,7 +25,7 @@ Windows用户可以用浏览器下载压缩文件(下载地址:https://zh.gl
在本步骤中,我们也可以配置下载源来使用国内镜像加速下载:
```
```
{.python .input}
# 优先使用清华 conda 镜像。
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
...
...
@@ -35,7 +35,7 @@ conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
第三步,安装运行所需的依赖包并激活该运行环境。Linux/macOS用户可以使用如下命令。
```
```
{.python .input}
conda env create -f environment.yml
source activate gluon
```
...
...
@@ -44,14 +44,14 @@ source activate gluon
Windows用户可以使用如下命令。
```
```
{.python .input}
conda env create -f environment.yml
activate gluon
```
第四步,打开Juputer notebook。运行下面命令。
```
```
{.python .input}
jupyter notebook
```
...
...
@@ -59,13 +59,13 @@ jupyter notebook
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。Linux/macOS用户可以运行下面命令。
```
```
{.python .input}
MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
```
Windows用户可以运行下面命令。
```
```
{.python .input}
set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
```
...
...
@@ -75,14 +75,14 @@ set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyte
如果你是Linux用户,可以运行下面命令。之后登出一次。
```
```
{.python .input}
wget -qO- https://get.docker.com/ | sh
sudo usermod -aG docker
```
第二步,运行下面命令。
```
```
{.python .input}
docker run -p 8888:8888 muli/gluon-tutorials-zh
```
...
...
@@ -105,7 +105,7 @@ docker run -p 8888:8888 muli/gluon-tutorials-zh
第二步,使用下面命令更新运行环境。
```
```
{.python .input}
conda env update -f environment.yml
```
...
...
@@ -113,7 +113,7 @@ conda env update -f environment.yml
我们可以直接下载新的Docker image,例如执行下面的命令。
```
```
{.python .input}
docker pull muli/gluon-tutorials-zh
```
...
...
@@ -121,19 +121,19 @@ docker pull muli/gluon-tutorials-zh
第一步,如果你熟悉Git操作,可以直接pull并且合并可能造成的冲突:
```
```
{.python .input}
git pull https://github.com/mli/gluon-tutorials-zh
```
如果不想造成冲突,在保存完有价值的本地修改以后,你可以在pull前先用reset还原到上次更新的版本:
```
```
{.python .input}
git reset --hard
```
第二步,使用下面命令更新运行环境。
```
```
{.python .input}
conda env update -f environment.yml
```
...
...
@@ -145,13 +145,13 @@ conda env update -f environment.yml
通过上述方式安装的MXNet只支持CPU。本书中有部分章节需要或推荐使用GPU来运行。假设电脑有Nvidia显卡并且安装了CUDA7.5、8.0或9.0,那么先卸载CPU版本:
```
```
{.python .input}
pip uninstall mxnet
```
然后,根据电脑上安装的CUDA版本,使用以下三者之一安装相应的GPU版MXNet。
```
```
{.python .input}
pip install --pre mxnet-cu75 # CUDA 7.5
pip install --pre mxnet-cu80 # CUDA 8.0
pip install --pre mxnet-cu90 # CUDA 9.0
...
...
@@ -159,13 +159,13 @@ pip install --pre mxnet-cu90 # CUDA 9.0
我们建议国内用户使用豆瓣pypi镜像加速下载。以mxnet-cu80为例,我们可以使用如下命令。
```
```
{.python .input}
pip install --pre mxnet-cu80 -i https://pypi.douban.com/simple # CUDA 8.0
```
需要注意的是,如果你安装GPU版的MXNet,使用
`conda update`
命令不会自动升级GPU版的MXNet。这时候可以运行了
`source activate gluon`
后手动更新MXNet。以mxnet-cu80为例,我们可以使用以下命令手动更新MXNet。
```
```
{.python .input}
pip install --pre mxnet-cu80 # CUDA 8.0
```
...
...
@@ -173,7 +173,7 @@ pip install --pre mxnet-cu80 # CUDA 8.0
如果你希望为本书内容做贡献,需要修改在GitHub上Markdown格式的源文件(.md文件非.ipynb文件)。通过notedown插件,我们就可以使用Jupyter Notebook修改并运行Markdown格式的源代码。Linux/macOS用户可以执行以下命令获得GitHub源文件并激活运行环境。
```
```
{.python .input}
git clone https://github.com/mli/gluon-tutorials-zh
cd gluon-tutorials-zh
conda env create -f environment.yml
...
...
@@ -182,7 +182,7 @@ source activate gluon # Windows 用户运行 activate gluon
下面安装notedown插件,运行Jupyter Notebook并加载插件:
```
```
{.python .input}
pip install https://github.com/mli/notedown/tarball/master
jupyter notebook --NotebookApp.contents_manager_class='notedown.NotedownContentsManager'
```
...
...
@@ -191,13 +191,13 @@ jupyter notebook --NotebookApp.contents_manager_class='notedown.NotedownContents
首先,执行下面命令生成Jupyter Notebook配置文件(如果已经生成可以跳过)。
```
```
{.python .input}
jupyter notebook --generate-config
```
然后,将下面这一行加入到Jupyter Notebook配置文件的末尾(Linux/macOS上一般在
`~/.jupyter/jupyter_notebook_config.py`
)
```
```
{.python .input}
c.NotebookApp.contents_manager_class = 'notedown.NotedownContentsManager'
```
...
...
@@ -208,7 +208,7 @@ c.NotebookApp.contents_manager_class = 'notedown.NotedownContentsManager'
有时候,我们希望在远端服务器上运行Jupyter Notebook,并通过本地电脑上的浏览器访问。如果本地机器上安装了Linux或者macOS(Windows通过第三方软件例如putty应该也能支持),那么可以使用端口映射:
```
```
{.python .input}
ssh myserver -L 8888:localhost:8888
```
...
...
@@ -218,7 +218,7 @@ ssh myserver -L 8888:localhost:8888
我们可以通过ExecutionTime插件来对Jupyter Notebook的每个代码单元的运行计时。以下是安装该插件的命令。
```
```
{.python .input}
pip install jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
jupyter nbextension enable execute_time/ExecuteTime
...
...
@@ -232,7 +232,7 @@ jupyter nbextension enable execute_time/ExecuteTime
## 练习
*
获取本书代码并安装运行环境。如果你在安装时
碰到任何问题,请查阅讨论区中的
疑难问题汇总,或者向社区小伙伴们提问。
*
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,或者向社区小伙伴们提问。
## 扫码直达[讨论区](https://discuss.gluon.ai/t/topic/249)
...
...
chapter_crashcourse/
introduction
.md
→
chapter_crashcourse/
old-intro
.md
浏览文件 @
c5c9ae85
文件已移动
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录