第1章 深度学习环境与工具

1. conda

conda 是一个 环境管理器 + 包管理器。

你可以把它理解成：给不同项目创建独立的“Python 工作房间”。

比如你现在有：

(base)

这是 conda 默认房间。

你刚才创建了：

(d2l-zh)

这是专门给深度学习/D2L 用的房间。

为什么需要 conda？

因为不同项目需要的 Python 版本和库版本可能不一样。比如：

项目 A：需要 Python 3.8 + 旧版 PyTorch
项目 B：需要 Python 3.11 + 新版 PyTorch
项目 C：需要 TensorFlow

如果全部装在同一个 Python 里，很容易冲突。conda 的作用就是把它们隔离开。

你现在执行的：

conda create -n d2l-zh python=3.11 pip -y

意思是：

创建一个叫 d2l-zh 的独立环境
里面使用 Python 3.11
并安装 pip
-y 表示自动确认

然后：

conda activate d2l-zh

意思是：

进入 d2l-zh 这个环境

进入之后，你再安装：

pip install torch d2l jupyter

这些库就只装进 d2l-zh，不会污染其他项目。

最常用命令就这几个：

conda env list          # 查看已有环境
conda activate d2l-zh   # 进入环境
conda deactivate        # 退出当前环境
conda env remove -n d2l-zh  # 删除环境

你现在只需要记住一句话：以后学 D2L / 深度学习之前，先打开 Terminal，执行 conda activate d2l-zh。

然后再运行：

cd ~/pytorch
jupyter notebook

2. Jupyter Notebook

Jupyter Notebook 是一个“浏览器里的 Python 代码本”，即一页电子笔记 = 文字说明 + Python 代码 + 运行结果 + 图表

D2L《动手学深度学习》用它，是因为深度学习最适合边看理论、边运行代码、边观察结果。

先确认你在环境里：

conda activate d2l-zh

然后进入 PyTorch 版 D2L 文件夹：

cd ~/pytorch

启动 Jupyter：

jupyter notebook

执行后，Terminal 不要关。浏览器会自动打开一个页面，地址通常类似：

http://localhost:8888/tree

这个页面就是 Jupyter 的文件管理器。

进去后按这个路径点：

chapter_preliminaries
→ ndarray.ipynb

.ipynb 就是 Notebook 文件。

打开后你会看到一格一格的内容。每一格叫一个 cell。

主要有两种 cell：

Markdown cell：文字说明，不是代码
Code cell：Python 代码，可以运行

运行当前 cell 的快捷键是：

Shift + Enter

意思是：运行当前格，并跳到下一格。

你第一次学的时候，只需要做三件事：

1. 从上到下读
2. 每个代码格按 Shift + Enter 跑一遍
3. 看输出结果和书里解释是否一致

例如你看到这种代码格：

import torch

x = torch.arange(12)
x

按 Shift + Enter 后，下面会输出：

tensor([0, 1, 2, ..., 11])

这说明代码运行成功。

你可以改代码试验，比如把：

torch.arange(12)

改成：

torch.arange(20)

再按 Shift + Enter，观察结果变化。深度学习一定要这样学，不能只看。

常用操作：

Shift + Enter：运行当前 cell
A：在上方新建 cell
B：在下方新建 cell
DD：删除当前 cell，连续按两次 D
Command + S：保存
Kernel → Restart：重启 Python 内核
Kernel → Restart & Run All：重启并从头运行全部代码

注意：Jupyter Notebook 不是“普通网页”。它背后连接的是你本机的 Python。你在 Notebook 里运行：

import torch

用的就是你刚才安装在 d2l-zh 环境里的 PyTorch。

所以 Terminal 必须保持开着。你关掉 Terminal，Jupyter 服务就停了。

3. torch

torch 是 PyTorch 这个深度学习库在 Python 代码里的名字。

也就是说：

import torch

意思是：把 PyTorch 这个库导入进来，后面就可以用它做深度学习计算。

你可以先把它理解成：torch 是一个专门用来处理“张量”和“神经网络训练”的工具箱。

最核心的功能有 4 个。

第一，创建和操作张量。张量可以先理解成“多维数组”：

import torch

x = torch.tensor([1, 2, 3])
print(x)

输出：

tensor([1, 2, 3])

第二，做矩阵计算。深度学习里面大量计算都是矩阵乘法、加法、求和：

x = torch.arange(12)
x = x.reshape(3, 4)
print(x)

第三，自动求导。深度学习训练模型时，需要计算梯度，PyTorch 可以自动算：

x = torch.tensor(2.0, requires_grad=True)
y = x ** 2
y.backward()

print(x.grad)

这里 x.grad 就是梯度。

第四，搭建神经网络。后面你会看到：

from torch import nn

net = nn.Linear(2, 1)

nn 是 PyTorch 里专门用来搭神经网络层的模块。

所以你现在记住一句话：

torch = PyTorch 的主库，用来创建张量、做矩阵计算、自动求导、训练神经网络。