《动手学深度学习》(Aston Zhang)是一本比较优秀的深度学习方面书籍,Shusen Tang在此基础上,将实验运行代码改为基于Pytorch(Nvidia支持),便于学习者快速理解深度学习和运行相关代码。本文将介绍快速部署的所有主要步骤,以及如何解决的遇到问题。
操作系统运行环境: win10 (linux应该也可以)
Python环境:Anaconda3-2023.09-0-Windows-x86_64(自带jupyter)
DL框架:Pytorch2.2.0
深度学习代码:
书本:《动手学深度学习》PYTORCH版(DEMO) Shusen Tang
1. 部署
1.1 安装Anaconda3-2023.09-0-Windows-x86_64,确认jupyter notebook运行正常,站内参考很多,这里不详述。
1.2 生成专门为本项目的虚拟环境(如果已经有了虚拟环境,请跳过)
打开Anaconda Prompt,出现一个类似CMD的DOS窗口
Conda create -n DL_Tang //DL_Tang为虚拟环境名
Conda activate DL_Tang //激活并进入这个虚拟环境
1.3 安装Pytorch以及其他必要的python包
1.3.1 安装Pytorch,请参考站内文档,这里不详述。
安装命令类似于:conda install pytorch … 后面的配置参数对应网站会有提示
时间较长,需要耐心等待安装成功
在Anaconda Prompt下,确认在DL_Tang这个虚拟环境下
键入python
>>> import torch
没有报错的话,说明安装成功
1.3.2 安装其他一些包,如torchtext,tqdm
conda install -c pytorch torchtext
conda install tqdm
或者等运行时报错,来按照提示安装对应包
2 启动jupyter notebook,确认深度学习代码运行正常
2.1 将深度学习代码解压,比如在d:\ai目录下
2.2 在Anaconda Prompt下,进入d:\ai
2.3 打入命令 jupyter notebook
2.4 这时notebook会启动,浏览器会打开,链接地址类似 localhost:8888/tree/ai
2.5 在浏览器里打开一个目录,比如chapter02_prerequisite
2.6 找到2.2_tensor.ipynb文件,双击之
2.7 这时代码及其说明会在浏览器新窗口里打开,按三角形运行键,开始项目学习
3. 遇到问题及解决办法
3.1 运行时报告缺失包,来按照提示安装对应包
3.2 一些问题,可能是因为anaconda或torch版本较新
如运行3.6_softmax-regression-scratch.ipynb,报第1283行错
X, y = iter(test_iter).next() 说next()不存在
改为
X, y = iter(test_iter).__next__()
运行正常