首先前提是安装python，这里推荐安装python3.8 输入命令 sudo apt install python3.8 即可
-
然后第二步，安装 Miniconda（如果已经安装conda或者Miniconda，则可以跳过该步骤)。
- 安装MIniconda的好处是可以创建很多虚拟环境，并且不同环境之间互相不会有依赖关系，对日后的项目有帮助，如果只想在本地安装的话，不装Miniconda只使用pip即可，第二步可以跳过。
- 如果是Windows系统，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-Windows-x86_64.exe
- 如果是macOS，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-MacOSX-x86_64.sh 之后要输入命令 sh Miniconda3-py38_4.10.3-MacOSX-x86_64.sh -b
- 如果是Linux系统，输入命令 wget https://repo.anaconda.com/miniconda/Miniconda3-py38_4.10.3-Linux-x86_64.sh 之后输入命令 sh Miniconda3-py38_4.10.3-Linux-x86_64.sh -b
- 以上都是基于python3.8版本，对于其他版本，可以访问 https://docs.conda.io/en/latest/miniconda.html ，下载对应版本即可。
- 对于第一次安装Miniconda的，要初始化终端shell，输入命令 ~/miniconda3/bin/conda init
- 这样我们就可以使用 conda create --name d2l python=3.8 -y 来创建一个名为xxx的环境，这里命名为d2l
- 打开xxx环境命令: conda activate xxx ；关闭命令：conda deactivate xxx。对于基础conda环境不用添加名
-
第三步，安装深度学习框架和
d2l软件包在安装深度学习框架之前，请先检查你的计算机上是否有可用的GPU（为笔记本电脑上显示器提供输出的GPU不算）。 例如，你可以查看计算机是否装有NVIDIA GPU并已安装CUDA。 如果你的机器没有任何GPU，没有必要担心，因为你的CPU在前几章完全够用。 但是，如果你想流畅地学习全部章节，请提早获取GPU并且安装深度学习框架的GPU版本。
-
你可以按如下方式安装PyTorch的CPU或GPU版本：
pip install torch==1.8.1 pip install torchvision==0.9.1 -
也可以访问官网 https://pytorch.org/get-started/locally/ 选择适合自己电脑pytorch版本下载
-
本课程的jupyter notebook代码详见 https://zh-v2.d2l.ai/d2l-zh.zip
-
下载jupyter notebook ：输入命令 pip install jupyter notebook （若pip失灵可以尝试pip3），输入密命令 jupyter notebook 即可打开。
-
- 本节主要介绍安装Miniconda、CPU环境下的Pytorch和其它课程所需软件包(d2l, jupyter)。对于前面几节来说，CPU已经够用了。
- 如果您已经安装了Miniconda/Anaconda, Pytorch框架和jupyter记事本, 您只需再安装d2l包，就可以跳过本节视频了开启深度学习之旅了; 如果希望后续章节在GPU下跑深度学习, 可以新建环境安装CUDA版本的Pytorch。
- 如果需要在Windows下安装CUDA和Pytorch(cuda版本)，用本地GPU跑深度学习，可以参考李沐老师Windows下安装CUDA和Pytorch跑深度学习，如果网慢总失败的同学可以参考cuda11.0如何安装pytorch？ - Glenn1Q84的回答 - 知乎。当然，如果不方便在本地进行配置(如无GPU, GPU显存过低等)，也可以选择Colab(需要科学上网)，或其它云服务器GPU跑深度学习。
- 如果pip安装比较慢，可以用镜像源安装：
pip install torch torchvision -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com- 如果安装时经常报错, 可以参考课程评论区部分。