本节将介绍如何获取本书代码和安装运行所需软件。虽然跳过本节不会影响后面的阅读，但我们还是强烈建议你按照下面的步骤来动手操作一遍。本书大部分章节的练习都涉及改动代码并观察运行结果。因此，本节是完成这些练习的基础。
本书的内容和代码均可在网上免费获取。我们推荐使用Conda来安装运行代码的依赖软件。Conda是一个流行的Python包管理软件。Windows和Linux/macOS用户请分别参照以下对应内容。
第一次运行需要完整完成下面五个步骤。如果是再次运行，可以忽略掉前面三步的下载和安装，直接跳转到第四和第五步。
第一步：根据操作系统下载并安装Miniconda（网址：https://conda.io/miniconda.html ），在安装过程中需要勾选“Add Anaconda to my PATH environment variable”选项。
第二步：下载包含本书全部代码的压缩包。我们可以在浏览器的地址栏中输入以下地址并按回车键进行下载：
下载完成后，创建文件夹“d2l-zh”并将以上压缩包解压到这个文件夹。在该目录文件资源管理器的地址栏输入cmd进入命令行模式。
第三步：使用Conda创建并激活环境。Conda默认使用国外站点来下载软件，以下可选项配置使用国内镜像加速下载:
# 使用清华 conda 镜像。
conda config --prepend channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# 或者选用科大 conda 镜像。
conda config --prepend channels http://mirrors.ustc.edu.cn/anaconda/pkgs/free/
接下来使用conda创建虚拟环境并安装本书需要的软件。这里environment.yml是放置在代码压缩包中的文件，它指定了执行本书代码所需要的软件。
conda env create -f environment.yml
第四步：激活之前创建的环境。
activate gluon
第五步：打开Juputer记事本。
jupyter notebook
这时在浏览器打开 http://localhost:8888 （通常会自动打开）就可以查看和运行本书中每一节的代码了。
本书中若干章节的代码会自动下载数据集和预训练模型，并默认使用美国站点下载。我们可以在运行Jupyter前指定MXNet使用国内站点下载书中的数据和模型。
set MXNET_GLUON_REPO=https://apache-mxnet.s3.cn-north-1.amazonaws.com.cn/ jupyter notebook
第一步：根据操作系统下载Miniconda（网址：https://conda.io/miniconda.html ），它是一个sh文件。打开Terminal应用进入命令行来执行这个sh文件，例如
sh Miniconda3-latest-Linux-x86_64.sh
安装时会显示使用条款，按“↓”继续阅读，按“Q”退出阅读。之后需要回答下面几个问题：
Do you accept the license terms? [yes|no]
[no] >>> yes
Do you wish the installer to prepend the Miniconda3 install location
to PATH in your /home/your_name/.conda ? [yes|no]
[no] >>> yes
安装完成后，我们需要让Conda生效。Linux用户需要运行一次source ~/.bashrc或重启命令行应用；macOS用户需要运行一次source ~/.bash_profile或重启命令行应用。
第二步：下载包含本书全部代码的压缩包，解压后进入文件夹。运行以下命令。
mkdir d2l-zh && cd d2l-zh
curl https://zh.diveintodeeplearning.org/d2l-zh-1.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
第三至五步请参考前面Windows下的安装步骤。其中第四步需将命令替换为
source activate gluon
为了适应深度学习和MXNet的快速发展，本书的开源内容将定期发布新版本。我们推荐大家定期更新本书的开源内容（例如代码）和相应的运行环境（例如新版MXNet）。以下是更新的具体步骤。
第一步，重新下载最新的包含本书全部代码的压缩包。下载地址：
解压后进入文件夹“d2l-zh”。
第二步，使用下面命令更新运行环境。
conda env update -f environment.yml
之后的激活环境和运行Jupyter步骤跟本节前面介绍的一致。
通过前面介绍的方式所安装的MXNet只支持CPU计算。本书中部分章节需要或推荐使用GPU来运行。如果你的电脑上有Nvidia显卡并安装了CUDA，建议使用GPU版的MXNet。
第一步：卸载CPU版本MXNet。如果你没有安装虚拟环境，可以跳过此步。如已安装虚拟环境，需要先激活运行环境，再卸载CPU版本的MXNet：
pip uninstall mxnet
然后退出虚拟环境，Windows用户使用命令deactivate，Linux/macOS用户则使用source deactivate。
第二步：更新依赖为GPU版本的MXNet。使用文本编辑器打开本书代码所在根目录下的文件environment.yml，将里面的“mxnet”替换成对应的GPU版本。例如，如果电脑上装的是8.0版本的CUDA，将该文件中的字符串“mxnet”改为“mxnet-cu80”。如果电脑上安装了其他版本的CUDA（比如7.5、9.0、9.2等），对该文件中的字符串“mxnet”做类似修改（比如改为“mxnet-cu75”、“mxnet-cu90”、“mxnet-cu92”等）。保存文件后退出。
第三步：更新虚拟环境，执行命令
conda env update -f environment.yml
之后，我们只需要再激活安装环境就可以使用GPU版的MXNet运行书中代码了。需要提醒的是，如果你之后下载了新的代码，那么还需要重复这三步操作以使用GPU版的MXNet。
- 为了能够动手学深度学习，我们需要获取本书代码并安装运行环境。
- 我们建议大家定期更新代码和运行环境。
- 获取本书代码并安装运行环境。如果你在安装时遇到任何问题，请扫一扫本节二维码。在讨论区，你可以查阅疑难问题汇总或者提问。
扫码直达讨论区
