Installation Updates (d2l-ai#974)

* installation updates * installation updates * install polish * installation polish
olianate · Oct 4, 2021 · 2bd08b3 · 2bd08b3
1 parent 881487b
commit 2bd08b3
Showing 1 changed file with 86 additions and 49 deletions.
diff --git a/chapter_installation/index.md b/chapter_installation/index.md
@@ -5,24 +5,24 @@
 
 ## 安装 Miniconda
 
-最简单的方法就是安装依赖 Python 3.x 的 [Miniconda](https://conda.io/en/latest/miniconda.html)。如果已安装 conda，则可以跳过以下步骤。
-从网站下载相应的 Miniconda sh 文件，然后使用 `sh <FILENAME> -b` 从命令行执行安装。
+最简单的方法就是安装依赖Python 3.x的[Miniconda](https://conda.io/en/latest/miniconda.html)。
+如果已安装conda，则可以跳过以下步骤。访问Miniconda网站，根据Python3.x版本确定适合你的系统的版本。
 
-对于 macOS 用户：
+如果你使用macOS，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“MacOSX”的bash脚本，并执行以下操作：
 
 ```bash
 # 文件名可能会更改
-sh Miniconda3-latest-MacOSX-x86_64.sh -b
+sh Miniconda3-py38_4.10.3-MacOSX-x86_64.sh -b
 ```
 
-对于 Linux 用户：
+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：
 
 ```bash
 # 文件名可能会更改
-sh Miniconda3-latest-Linux-x86_64.sh -b
+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`。
+接下来，初始化终端Shell，以便我们可以直接运行`conda`。
 
 ```bash
 ~/miniconda3/bin/conda init
@@ -34,101 +34,138 @@ sh Miniconda3-latest-Linux-x86_64.sh -b
 conda create --name d2l python=3.8 -y
 ```
 
-## 下载 D2L Notebook
-
-接下来，需要下载这本书的代码。你可以点击任何 HTML 页面顶部的 “Jupyter 记事本文件” 选项下载后解压代码。或者可以按照如下方式进行下载：
+现在激活 `d2l` 环境：
 
 ```bash
-mkdir d2l-zh && cd d2l-zh
-curl https://zh-v2.d2l.ai/d2l-zh.zip -o d2l-zh.zip
-unzip d2l-zh.zip && rm d2l-zh.zip
+conda activate d2l
 ```
 
-注意：如果没有安装 `unzip`，则可以通过运行 `sudo apt install unzip` 进行安装。
 
-现在我们要激活 `d2l` 环境。
+## 安装深度学习框架和`d2l`软件包
+
+在安装深度学习框架之前，请先检查你的计算机上是否有可用的GPU（为笔记本电脑上显示器提供输出的GPU不算）。
+例如，你可以查看计算机是否装有NVIDIA GPU并已安装[CUDA](https://developer.nvidia.com/cuda-downloads)。
+如果你的机器没有任何GPU，没有必要担心，因为你的CPU在前几章完全够用。
+但是，如果你想流畅地学习全部章节，请提早获取GPU并且安装深度学习框架的GPU版本。
+
+
+:begin_tab:`mxnet`
+
+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：
+
 
 ```bash
-conda activate d2l
-```
+# 对于Linux和macOS用户
+pip install mxnet-cu101==1.7.0
 
-## 安装框架和 `d2l` 软件包
+# 对于Windows用户
+pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python
+```
 
-在安装深度学习框架之前，请先检查你的计算机上是否有可用的 GPU（在笔记本电脑上为显示器提供输出的GPU不算）。如果要在 GPU 机器上安装，请继续在 :ref:`subsec_gpu` 获取有关安装GPU支持版本的说明。
+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`。
 
-或者，你可以按照如下方法安装CPU版本。这将足够帮助你完成前几章，但你需要在运行更大模型之前获取GPU。
 
-:begin_tab:`mxnet`
+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：
 
 ```bash
 pip install mxnet==1.7.0.post1
 ```
 :end_tab:
 
+
 :begin_tab:`pytorch`
 
+你可以按如下方式安装PyTorch的CPU或GPU版本：
+
 ```bash
-pip install torch torchvision
+pip install torch==1.8.1
+pip install torchvision==0.9.1
 ```
+
 :end_tab:
 
 :begin_tab:`tensorflow`
-你可以通过以下方式安装具有 CPU 和 GPU 支持的 TensorFlow：
+你可以按如下方式安装TensorFlow的CPU或GPU版本：
 
 ```bash
-pip install tensorflow tensorflow-probability
+pip install tensorflow==2.3.1
+pip install tensorflow-probability==0.11.1
 ```
+
 :end_tab:
 
-你还需要安装 `d2l` 软件包，它封装了本书中常用的函数和类。
+我们的下一步是安装`d2l`包，以方便调取本书中经常使用的函数和类：
 
 ```bash
-# -U：将所有包升级到最新的可用版本
-pip install -U d2l
+pip install d2l==0.17.0
 ```
 
-安装完成后，我们通过运行以下命令打开 Jupyter 笔记本：
 
-```bash
-jupyter notebook
-```
+## 下载 D2L Notebook
 
-现在，你可以在 Web 浏览器中打开 <http://localhost:8888>（通常会自动打开）。然后我们可以运行这本书中每个部分的代码。在运行书籍代码、更新深度学习框架或 `d2l` 软件包之前，请始终执行 `conda activate d2l` 以激活运行时环境。要退出环境，请运行 `conda deactivate`。
+接下来，需要下载这本书的代码。
+你可以点击本书HTML页面顶部的“Jupyter 记事本”选项下载后解压代码。
+或者，你可以按照如下方式进行下载：
 
-## GPU 支持
-:label:`subsec_gpu`
 
 :begin_tab:`mxnet`
-默认情况下，安装的MXNet不支持GPU。这可以确保它在任何计算机（包括大多数笔记本电脑）上运行。本书的部分内容建议或要求使用 GPU 运行。如果你的计算机带有 NVIDIA 显卡并且已安装 [CUDA](https://developer.nvidia.com/cuda-downloads)，则应安装支持 GPU 的版本。如果你已经安装了仅支持 CPU 版本，则可能需要先通过运行以下命令将其删除：
 
 ```bash
-pip uninstall mxnet
+mkdir d2l-zh && cd d2l-zh
+curl https://zh-v2.d2l.ai/d2l-zh.zip -o d2l-zh.zip
+unzip d2l-zh.zip && rm d2l-zh.zip
+cd mxnet
 ```
 
+注意：如果你没有安装`unzip`，则可以通过运行`sudo apt install unzip`进行安装。
 
-然后，我们需要找到安装的 CUDA 版本。你可以通过 `nvcc --version` 或 `cat /usr/local/cuda/version.txt` 查看。如果不存在nvcc，系统安装命令为`sudo apt update && sudo apt install nvidia-cuda-toolkit -y`。假设你已安装 CUDA 10.1，则可以使用以下命令进行安装：
+:end_tab:
 
 
-```bash
-# 对于 Windows 用户：
-pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python
+:begin_tab:`pytorch`
 
-# 对于 Linux 和 macOS 用户：
-pip install mxnet-cu101==1.7.0
+```bash
+mkdir d2l-zh && cd d2l-zh
+curl https://zh-v2.d2l.ai/d2l-zh.zip -o d2l-zh.zip
+unzip d2l-zh.zip && rm d2l-zh.zip
+cd pytorch
 ```
 
+注意：如果你没有安装`unzip`，则可以通过运行`sudo apt install unzip`进行安装。
 
-你可以根据你的 CUDA 版本更改最后一位数字，例如：CUDA 10.0 是 `cu100`， CUDA 9.0 是 `cu90`。
 :end_tab:
 
-:begin_tab:`pytorch,tensorflow`
-默认情况下，深度学习框架安装了GPU支持。
-如果你的计算机有NVIDIA GPU，并且已经安装了[CUDA](https://developer.nvidia.com/cuda-downloads)，那么你应该已经配置好了。
+
+:begin_tab:`tensorflow`
+
+```bash
+mkdir d2l-zh && cd d2l-zh
+curl https://zh-v2.d2l.ai/d2l-zh.zip -o d2l-zh.zip
+unzip d2l-zh.zip && rm d2l-zh.zip
+cd tensorflow
+```
+
+注意：如果你没有安装`unzip`，则可以通过运行`sudo apt install unzip`进行安装。
+
 :end_tab:
 
-## 练习
 
-1. 下载该书的代码并安装运行时环境。
+安装完成后，你可以通过运行以下命令打开Jupyter笔记本：
+
+```bash
+jupyter notebook
+```
+
+现在，你可以在Web浏览器中打开<http://localhost:8888>（通常会自动打开）。
+由此，你可以运行这本书中每个部分的代码。
+在运行书籍代码、更新深度学习框架或`d2l`软件包之前，请始终执行`conda activate d2l`以激活运行时环境。
+要退出环境，请运行`conda deactivate`。
+
+
 
 :begin_tab:`mxnet`
 [Discussions](https://discuss.d2l.ai/t/2082)
@@ -140,4 +177,4 @@ pip install mxnet-cu101==1.7.0
 
 :begin_tab:`tensorflow`
 [Discussions](https://discuss.d2l.ai/t/2084)
-:end_tab:
+:end_tab: