Cài đặt - Đắm Mình Vào Học Sâu

Cài đặt¶

Để sẵn sàng cho việc thực hành, bạn cần một môi trường để chạy Python, Jupyter Notebook, các thư viện liên quan và mã nguồn cần thiết cho những bài tập trong cuốn sách này.

Cài đặt Miniconda¶

Cách đơn giản nhất để bắt đầu là cài đặt Miniconda. Phiên bản Python 3.x được khuyên dùng. Bạn có thể bỏ qua những bước sau đây nếu đã cài đặt conda. Tải về tập tin sh tương ứng của Miniconda từ trang web và sau đó thực thi phần cài đặt từ cửa sổ dòng lệnh sử dụng câu lệnh sh <FILENAME> -b. Với người dùng macOS:

# The file name is subject to changes sh Miniconda3-latest-MacOSX-x86_64.sh -b

Với người dùng Linux:

# The file name is subject to changes sh Miniconda3-latest-Linux-x86_64.sh -b

Tiếp theo, khởi tạo shell để chạy trực tiếp lệnh conda.

~/miniconda3/bin/conda init

Bây giờ, hãy đóng và mở lại shell hiện tại. Bạn đã có thể tạo một môi trường mới bằng lệnh sau:

conda create --name d2l -y

Tải về notebook của D2L¶

Tiếp theo, ta cần tải về mã nguồn của cuốn sách này. Bạn có thể tải mã nguồn từ đường dẫn này và giải nén. Một cách khác, nếu bạn đã cài đặt sẵn unzip (nếu chưa, hãy chạy lệnh sudo apt install unzip):

mkdir d2l-en && cd d2l-en curl https://d2l.ai/d2l-en.zip -o d2l-en.zip unzip d2l-en.zip && rm d2l-en.zip

Bây giờ, ta sẽ kích hoạt môi trường d2l và cài đặt pip. Hãy nhập y để trả lời các câu hỏi theo sau lệnh này:

conda activate d2l conda install python=3.7 pip -y

Cài đặt Framework và Gói thư viện d2l¶

<!–

Before installing the deep learning framework, please first check whether or not you have proper GPUs on your machine (the GPUs that power the display on a standard laptop do not count for our purposes). If you are installing on a GPU server, proceed to Hỗ trợ GPU for instructions to install a GPU-supported version. –>

Trước khi cài đặt framework học sâu, hãy kiểm tra thiết bị của bạn xem có GPU (card màn hình) đúng chuẩn hay không (không phải những GPU tích hợp hỗ trợ hiển thị trên các máy tính xách tay thông thường). Nếu bạn đang cài đặt trên một máy chủ GPU, hãy tiến hành theo Hỗ trợ GPU để cài đặt phiên bản MXNet có hỗ trợ GPU.

<!– Otherwise, you can install the CPU version. That will be more than enough horsepower to get you through the first few chapters but you will want to access GPUs before running larger models.

–>

Ngược lại, bạn có thể cài đặt phiên bản chỉ sử dụng CPU. Phiên bản này cũng đủ để có thể tiến hành các chương đầu tiên nhưng bạn sẽ cần sử dụng GPU để có thể chạy những mô hình lớn hơn.

pip install mxnet==1.6.0

Ta cũng sẽ cài đặt gói thư viện d2l mà bao gồm các hàm và lớp thường xuyên được sử dụng trong cuốn sách này.

# -U: Upgrade all packages to the newest available version pip install -U d2l

Khi đã cài đặt xong, ta mở notebook Jupyter lên bằng cách chạy lệnh sau:

jupyter notebook

Bây giờ, bạn có thể truy cập vào địa chỉ http://localhost:8888 (thường sẽ được tự động mở) trên trình duyệt Web. Sau đó ta đã có thể chạy mã nguồn trong từng phần của cuốn sách này. Lưu ý là luôn luôn thực thi lệnh conda activate d2l để kích hoạt môi trường trước khi chạy mã nguồn trong sách cũng như khi cập nhật MXNet hoặc gói thư viện d2l. Thực thi lệnh conda deactivate để thoát khỏi môi trường.

Hỗ trợ GPU¶

<!–

By default, the deep learning framework is installed without GPU support to ensure that it will run on any computer (including most laptops). Part of this book requires or recommends running with GPU. If your computer has NVIDIA graphics cards and has installed CUDA, then you should install a GPU-enabled version. If you have installed the CPU-only version, you may need to remove it first by running:

–>

Mặc định framework học sâu được cài đặt không hỗ trợ GPU để đảm bảo có thể chạy trên bất kỳ máy tính nào (bao gồm phần lớn các máy tính xách tay). Một phần của cuốn sách này yêu cầu hoặc khuyến khích chạy trên GPU. Nếu máy tính của bạn có card đồ hoạ của NVIDIA và đã cài đặt CUDA, thì bạn nên cài đặt bản MXNet có hỗ trợ GPU. Trong trường hợp bạn đã cài đặt phiên bản dành riêng cho CPU, bạn có thể cần xoá nó trước bằng cách chạy lệnh:

<!–

–>

pip uninstall mxnet

<!–

Then we need to find the CUDA version you installed. You may check it through nvcc --version or cat /usr/local/cuda/version.txt. Assume that you have installed CUDA 10.1, then you can install with the following command:

–>

Sau đó, ta cần tìm phiên bản CUDA mà bạn đã cài đặt. Bạn có thể kiểm tra thông qua lệnh nvcc --version hoặc cat /usr/local/cuda/version.txt. Giả sử, bạn đã cài đặt CUDA 10.1, bạn có thể cài đặt với lệnh sau:

# For Windows users pip install mxnet-cu101==1.6.0b20190926 # For Linux and macOS users pip install mxnet-cu101==1.6.0

<!–

You may change the last digits according to your CUDA version, e.g., cu100 for CUDA 10.0 and cu90 for CUDA 9.0.

–>

Bạn có thể thay đổi những chữ số cuối theo phiên bản CUDA của mình. Ví dụ, cu100 cho phiên bản CUDA 10.0 và cu90 cho phiên bản CUDA 9.0.

Bài tập¶

1. Tải xuống mã nguồn dành cho cuốn sách và cài đặt môi trường chạy.

Thảo luận¶

• Tiếng Anh: MXNet, PyTorch, TensorFlow
• Tiếng Việt

Những người thực hiện¶

Bản dịch trong trang này được thực hiện bởi:

• Phạm Hồng Vinh
• Sẩm Thế Hải
• Nguyễn Cảnh Thướng
• Lê Khắc Hồng Phúc
• Đoàn Võ Duy Thanh
• Vũ Hữu Tiệp

Table Of Contents

• Cài đặt
  • Cài đặt Miniconda
  • Tải về notebook của D2L
  • Cài đặt Framework và Gói thư viện d2l
  • Hỗ trợ GPU
  • Bài tập
  • Thảo luận
  • Những người thực hiện

Previous Lời nói đầu Next Ký hiệu