anaconda虚拟环境安装d2l

安装 Deep Learning (D2L) 库
为了在 Anaconda 虚拟环境中安装 D2L 库并确保其正常工作，可以遵循以下方法：
创建一个新的 Conda 环境有助于隔离不同项目的依赖关系。通过命令 conda create --name d2l python=3.8 可以建立名为 d2l 的 Python 3.8 版本的新环境[^1]。
激活该环境以便后续操作均在此环境下执行，使用命令 conda activate d2l 来完成这一动作。
对于 PyTorch 和其他必要的软件包的安装，在国内由于网络原因可能较慢甚至失败，因此建议先配置好 pip 或 conda 使用国内镜像源来加速下载速度。例如，可以通过如下指令给 conda 添加 Tsinghua 镜像源：conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/；同样也可以设置 pip 使用阿里云镜像源：pip install -i https://pypi.mirrors.ustc.edu.cn/simple some-package[^3]。
接着按照官方文档指引安装 PyTorch 和 torchvision，通常推荐的方式是在官方网站找到适合当前系统的安装命令直接复制粘贴到终端中运行即可。比如针对 Windows 平台 CUDA 11.3 版本的用户来说可能是这样的命令:conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch[^4]。
最后一步就是安装 d2l 包本身了。考虑到 GitHub 上托管的资源在国内访问不稳定的情况，可以选择从 Gitee 获取最新发布的 whl 文件进行本地安装，或者利用 pypi 提供的服务直接通过 pip 工具在线获取稳定版发布：pip install d2l[^5]。
# 创建新的Conda环境
conda create --name d2l python=3.8

# 激活新环境
conda activate d2l

# 设置清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

# 设置阿里云Pip镜像源
pip install -i https://pypi.mirrors.ustc.edu.cn/simple some-package

# 安装PyTorch及相关组件（具体版本号需根据实际情况调整）
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

# 安装d2l库
pip install d2l
登录后复制