# 2.1 環境配置 本節簡單介紹一些必要的軟件的安裝與配置，由于不同機器軟硬件配置不同，所以不詳述，遇到問題請擅用Google。 ## 2.1.1 Anaconda Anaconda是Python的一個開源發行版本，主要面向科學計算。我們可以簡單理解為，Anaconda是一個預裝了很多我們用的到或用不到的第三方庫的Python。而且相比于大家熟悉的pip install命令，Anaconda中增加了conda install命令。當你熟悉了Anaconda以后會發現，conda install會比pip install更方便一些。 強烈建議先去看看[最省心的Python版本和第三方庫管理——初探Anaconda](https://zhuanlan.zhihu.com/p/25198543)和[初學 Python 者自學 Anaconda 的正確姿勢-猴子的回答](https://www.zhihu.com/question/58033789/answer/254673663)。 總的來說，我們應該完成以下幾步： * 根據操作系統下載并安裝Anaconda（或者mini版本Miniconda）并學會常用的幾個conda命令，例如如何管理python環境、如何安裝卸載包等； * Anaconda安裝成功之后，我們需要修改其包管理鏡像為國內源，這樣以后安裝包時就會快一些。 ## 2.1.2 Jupyter 在沒有notebook之前，在IT領域是這樣工作的：在普通的 Python shell 或者在IDE（集成開發環境）如Pycharm中寫代碼，然后在word中寫文檔來說明你的項目。這個過程很反鎖，通常是寫完代碼，再寫文檔的時候我還的重頭回顧一遍代碼。最蛋疼的地方在于，有些數據分析的中間結果，還得重新跑代碼，然后把結果弄到文檔里給客戶看。有了notebook之后，世界突然美好了許多，因為notebook可以直接在代碼旁寫出敘述性文檔，而不是另外編寫單獨的文檔。也就是它可以能將代碼、文檔等這一切集中到一處，讓用戶一目了然。如下圖所示。 ? ? Jupyter Notebook 已迅速成為數據分析，機器學習的必備工具。因為它可以讓數據分析師集中精力向用戶解釋整個分析過程。 我們參考[jupyter notebook-猴子的回答](https://www.zhihu.com/question/46309360/answer/254638807)進行jupyter notebook及常用包（例如環境自動關聯包nb\_conda）的安裝。 安裝好后，我們使用以下命令打開一個jupyter notebook: ~~~ ?jupyter notebook ~~~ 這時在瀏覽器打開 [http://localhost:8888](http://localhost:8888) （通常會自動打開）位于當前目錄的jupyter服務。 ## 2.1.3 PyTorch 由于本文需要用到PyTorch框架，所以還需要安裝PyTorch（后期必不可少地會使用GPU，所以安裝GPU版本的）。直接去[PyTorch官網](https://pytorch.org/)找到自己的軟硬件對應的安裝命令即可（這里不得不吹一下[PyTorch的官方文檔](https://pytorch.org/tutorials/)，從安裝到入門，深入淺出，比tensorflow不知道高到哪里去了）。安裝好后使用以下命令可查看安裝的PyTorch及版本號。 ~~~ ?conda list | grep torch ~~~ ## 2.1.4 其他 此外還可以安裝python最好用的IDE [PyCharm](https://www.jetbrains.com/pycharm/)，專業版的應該是需要收費的，但學生用戶可以申請免費使用（[傳送門](https://www.jetbrains.com/zh/student/)），或者直接用免費的社區版。 如果不喜歡用IDE也可以選擇編輯器，例如VSCode等。 本節與原文有很大不同，[原文傳送門](https://zh.d2l.ai/chapter_prerequisite/install.html)