企业官网建设流程全解析

前言

在深度学习入门阶段，很多教程（尤其是《动手学深度学习》系列）会要求使用 Python 3.6.3 版本，并安装d2l库来简化代码示例。然而，Anaconda 默认只自带一个 Python 版本，直接安装d2l可能会因为版本不匹配而报错。

本教程将带你一步步完成以下两件事：

1. 在 Anaconda 中创建 Python 3.6.3 虚拟环境，并让 Jupyter Notebook 能够识别它；
2. 在该环境中安装d2l库，并验证安装是否成功。

全程基于 Windows 系统 + Anaconda 环境，操作简单，跟着做即可。

1. 安装 Python 3.6.3 虚拟环境

1.1 查看当前已安装的 Python 版本

首先打开Anaconda Prompt终端，输入以下命令，查看当前已经安装的 Python 版本：

jupyter kernelspec list

如下图所示，此时只有 Anaconda 自带的python3，没有其他版本。

1.2 创建 Python 3.6.3 虚拟环境

在终端中输入以下命令，创建一个名为py3.6.3的虚拟环境，并指定 Python 版本为 3.6.3：

conda create--namepy3.6.3python=3.6.3

当提示[y]/n时，输入y并回车。命令执行完成后，Python 3.6.3 会被安装到 Anaconda 的env目录下。

1.3 进入虚拟环境的 Scripts 目录

首先确保当前盘符与目标盘符一致（例如目标在 D 盘，就先切换到 D 盘），然后输入以下命令，进入py3.6.3环境下的Scripts文件夹：

cdD:\11_Anaconda\envs\py3.6.3\Scripts

1.4 激活环境并安装 ipykernel

激活py3.6.3环境：

conda activate py3.6.3

然后安装ipykernel，用于让 Jupyter 识别该环境：

pipinstallipykernel

安装完成后，Scripts目录下会生成一系列工具文件。

⚠️注意：执行pip install ipykernel时，不能挂 VPN，否则可能导致安装失败或异常。

1.5 复制并重命名 kernels 文件夹

打开 Anaconda 安装目录下的share/jupyter/kernels文件夹，将其中已存在的项目文件夹复制一份，并重命名为python3.6.3。

1.6 修改 json 配置文件

打开重命名后的文件夹中的kernel.json文件，将显示名称Python 3改为Python 3.6.3，保存后关闭。

1.7 验证虚拟环境是否安装成功

再次打开 Anaconda 终端，输入以下命令：

jupyter kernelspec list

此时可以看到Python 3.6.3已经成功出现在列表中。

1.8 在 Jupyter Notebook 中验证

重新打开 Jupyter Notebook，点击New按钮，下拉菜单中会出现Python 3.6.3选项，说明环境已被 Jupyter 正确识别。

1.9 打印 Python 版本确认

在 Jupyter Notebook 中新建一个 Notebook（选择 Python 3.6.3 内核），运行以下代码：

importsysprint(sys.version)

输出结果如下，说明环境配置成功：

3.6.3 |Anaconda, Inc.| (default, Nov 8 2017, 15:10:56) [MSC v.1900 64 bit (AMD64)]

2. 安装 d2l 库

2.1 安装方式

d2l库有两种安装方式，任选其一即可：

• 在 Jupyter Notebook 的单元格中输入：

pipinstalld2l

• 或在 Anaconda Prompt 终端中输入：

pipinstalld2l

2.2 安装速度过慢怎么办？

如果安装速度过慢或安装不成功，可以尝试添加国内镜像源，例如使用清华镜像：

pipinstalld2l-ihttps://pypi.tuna.tsinghua.edu.cn/simple

2.3 验证安装结果

安装完成后，在 Python 环境中导入d2l库进行验证：

importd2lfromd2limporttorchasd2l

如果以上代码没有报错，说明d2l库已成功安装。

3. 常见问题与注意事项

4. 总结

通过以上步骤，你已经成功完成了两件事：

1. 在 Anaconda 中创建了 Python 3.6.3 虚拟环境，并让 Jupyter Notebook 能够正常识别和使用；
2. 在该环境中安装了d2l库，并验证了导入成功。

接下来，你就可以愉快地跟着《动手学深度学习》等教程开始学习啦！如果在配置过程中遇到任何问题，欢迎在评论区留言交流。