链接：官方文档

安装 Miniconda

最简单的方法就是安装依赖Python 3.x的Miniconda。 如果已安装conda，则可以跳过以下步骤。

如果你使用Linux，假设你的Python版本是3.8（我们的测试版本），你将下载名称包含字符串“Linux”的bash脚本，并执行以下操作：

# 文件名可能会更改
sh Miniconda3-py38_4.10.3-Linux-x86_64.sh -b

接下来，初始化终端Shell，以便我们可以直接运行conda。

~/miniconda3/bin/conda init

现在关闭并重新打开当前的 shell。你应该能用下面的命令创建一个新的环境：

conda create --name d2l python=3.8 -y

现在激活 d2l 环境：

conda activate d2l

以上部分Miniconda已经安装完毕，创建了d2l环境。
由于博主已经装完anaconda3，这部分就跳过了。

安装深度学习框架和d2l软件包

安装MXNet的GPU版本，你首先需要知道已安装的CUDA版本。 （你可以通过运行nvcc --version或cat /usr/local/cuda/version.txt来检验。） 假设你已安装CUDA 10.1版本，请执行以下命令：

# 对于Linux
pip install mxnet-cu101==1.7.0

你可以根据你的CUDA版本更改如上mxnet-cu101的最后一位数字， 例如：CUDA 10.0是cu100， CUDA 9.0是cu90。

如果你的机器没有NVIDIA GPU或CUDA， 你可以按如下方式MXNet的CPU版本：

pip install mxnet==1.7.0.post1

我们的下一步是安装d2l包，以方便调取书中经常使用的函数和类：

pip install d2l==0.17.1

安装pytorch

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

最后可以在d2l环境下通过

pip list

查看安装包

总共是这些安装包。

jupyter notebook查看

在d2l环境下输入

jupyter notebook

web端将自动打开

打开下载的d2l-zh包即可查看本书的介绍及相关代码。