Diegimas

Kad galėtume pradėti darbą, mums reikės aplinkos, kurioje būtų galima paleisti Python, „Jupyter Notebook", reikalingas bibliotekas ir kodą, kurio reikia pačiai knygai vykdyti.

Miniconda diegimas

Paprasčiausias variantas – įdiegti Miniconda. Atkreipkite dėmesį, kad reikalinga Python 3.x versija. Šiuos veiksmus galite praleisti, jei jūsų kompiuteryje jau įdiegta conda.

Apsilankykite Miniconda svetainėje ir nustatykite tinkamą versiją savo sistemai pagal savo Python 3.x versiją ir kompiuterio architektūrą. Tarkime, kad naudojate Python 3.9 (tai mūsų išbandyta versija). Jei naudojate macOS, atsisiųskite bash scenarijų, kurio pavadinime yra eilutė „MacOSX", nueikite į atsisiuntimo vietą ir paleiskite diegimą taip (pavyzdys skirtas „Intel" procesorių „Mac" kompiuteriams):

# Failo pavadinimas gali keistis
sh Miniconda3-py39_4.12.0-MacOSX-x86_64.sh -b

„Linux" naudotojas atsisiųstų failą, kurio pavadinime yra eilutė „Linux", ir atsisiuntimo vietoje paleistų:

# Failo pavadinimas gali keistis
sh Miniconda3-py39_4.12.0-Linux-x86_64.sh -b

„Windows" naudotojas Miniconda atsisiunčia ir įdiegia pagal diegimo instrukcijas internete. „Windows" sistemoje komandoms vykdyti komandų eilutę (komandų interpretatorių) galite atidaryti ieškodami cmd.

Toliau inicializuokite komandų aplinką (angl. shell), kad galėtume tiesiogiai vykdyti conda.

~/miniconda3/bin/conda init

Tada uždarykite ir iš naujo atidarykite savo dabartinę komandų aplinką. Dabar turėtumėte galėti sukurti naują aplinką taip:

conda create --name d2l python=3.9 -y

Dabar galime aktyvuoti d2l aplinką:

conda activate d2l

Giliojo mokymosi karkaso ir d2l paketo diegimas

Prieš diegdami bet kurį giliojo mokymosi karkasą (angl. framework), pirmiausia patikrinkite, ar jūsų kompiuteryje yra tinkamų grafinių procesorių (GPU) (standartiniame nešiojamajame kompiuteryje vaizdą rodantys grafiniai procesoriai mums netinka). Pavyzdžiui, jei jūsų kompiuteryje yra NVIDIA grafinių procesorių ir įdiegta CUDA, viskas paruošta. Jei jūsų kompiuteryje grafinio procesoriaus nėra, kol kas nėra dėl ko nerimauti. Centrinio procesoriaus (CPU) galios pakanka pirmiesiems skyriams. Tik atminkite, kad didesniems modeliams vykdyti grafinio procesoriaus prireiks.

# macOS ir „Linux" naudotojams
pip install mxnet-cu112==1.9.1

# „Windows" naudotojams
pip install mxnet-cu112==1.9.1 -f https://dist.mxnet.io/python

pip install mxnet==1.9.1

pip install torch==2.0.0 torchvision==0.15.1

pip install tensorflow==2.12.0 tensorflow-probability==0.20.0

# GPU
pip install "jax[cuda11_pip]==0.4.13" -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html flax==0.7.0

# CPU
pip install "jax[cpu]==0.4.13" flax==0.7.0

Kitas žingsnis – įdiegti mūsų sukurtą d2l paketą, kuriame sutelktos visoje knygoje dažnai naudojamos funkcijos ir klasės:

pip install d2l==1.0.3

Kodo atsisiuntimas ir paleidimas

Toliau norėsite atsisiųsti sąsiuvinius (angl. notebooks), kad galėtumėte paleisti kiekvieną knygos kodo bloką. Tiesiog spustelėkite skirtuką „Notebooks" bet kurio HTML puslapio viršuje D2L.ai svetainėje, kad atsisiųstumėte kodą, ir jį išarchyvuokite. Arba sąsiuvinius galite gauti iš komandų eilutės taip:

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 mxnet

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

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 tensorflow

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 jax

Jei unzip dar neįdiegta, pirmiausia paleiskite sudo apt-get install unzip. Dabar „Jupyter Notebook" serverį galime paleisti vykdydami:

jupyter notebook

Šiuo metu naršyklėje galite atidaryti http://localhost:8888 (ji gali būti atsidariusi automatiškai). Tada galime vykdyti kiekvieno knygos skyrelio kodą. Kai tik atidarote naują komandų eilutės langą, prieš paleisdami D2L sąsiuvinius arba atnaujindami paketus (giliojo mokymosi karkasą ar d2l paketą), turėsite paleisti conda activate d2l, kad aktyvuotumėte vykdymo aplinką. Norėdami išeiti iš aplinkos, paleiskite conda deactivate.