下载之后，双击 exe 文件安装，显示的界面如下： 图 1-1（Python3.6.5 安装界面） 注意：图 1-1 中的矩形框，必须手动选择上“add Python3.6 to PATH”之后再点击【Install Now】默认安装完成即可。 3. 安装好 Python 语言包支持以后可以通过命令行来验证测试 安装是否成功，首先通过 cmd 打开 Window 命令行窗口，然 后输入 Python，显示如下： Python，显示如下： 图 1-2（验证 Python 命令行模式） 如果显示图 1-2 所示的信息表示已经安装成功 Python 语言包 支持；如果输入 Python 之后显示信息为“'python' 不是内部 或外部命令，也不是可运行的程序”则说明第二步中没有勾选 上“add Python3.6 to PATH”，此时请手动把 python.exe 所 在路径添加到 Windows 系统的环境变量中去之后再次执行 系统的环境变量中去之后再次执行 即可。 4. 安装好 Python 语言包支持之后，只要运行下面的命令行即 可完成 Pytorch 框架的安装，GPU 支持版本的命令行如下（需 要 GPU 显卡支持）： pip install torch==1.9.0+cu102 torchvision==0.10.0+cu102 torchaudio===0.9.0 -f https://download

Generation Web UI Text Generation Web UI（简称 TGW，通常被称为“oobabooga”）是一款流行的文本生成 Web 界面工具，类似 于 AUTOMATIC1111/stable-diffusion-webui 。它拥有多个交互界面，并支持多种模型后端，包括 Transformers 、 llama.cpp（通过 llama-cpp-python 实现）、ExLlamaV2 训练）设置环境变量，请指定以下变量：GPUS_PER_NODE 、NNODES、NODE_RANK 、MASTER_ADDR 和 MASTER_PORT 。不必过于担心这些变量，因为我们为您提供了默认设置。在命令行中， 您可以通过传入参数 -m 和 -d 来分别指定模型路径和数据路径。您还可以通过传入参数 --deepspeed 来 指定 Deepspeed 配置文件。我们为您提供针对 ZeRO2 和 ZeRO3

variable”一项，这样可以通过命令行方式调用 Anaconda 程序。如图 1.23 所示，安装程序 询问是否连带安装 VS Code 软件，选择 Skip 即可。整个安装流程约持续 5 分钟，具体时间 预览版202112 第 1 章 人工智能绪论 18 需依据计算机性能而定。 图 1.22 Anaconda 安装界面-1 图 1.23Anaconda 安装界面-2 安装完成后，怎么验证 安装完成后，怎么验证 Anaconda 是否安装成功呢？通过键盘上的 Windows 键+R 键， 即可调出运行程序对话框，输入“cmd”并回车即打开 Windows 自带的命令行程序 cmd.exe。或者点击开始菜单，输入“cmd”也可搜索到 cmd.exe 程序，打开即可。输入 conda list 命令即可查看 Python 环境已安装的库，如果是新安装的 Python 环境，则列出的 库都是 Driver”的勾，如果小于或等于，则 默认勾选即可，如图 1.27 所示。设置完成后即可正常安装。 图 1.25 CUDA 安装界面-1 图 1.26 CUDA 安装界面-2 安装完成后，我们来测试 CUDA 软件是否安装成功。打开 cmd 命令行，输入“nvcc - V”，即可打印当前 CUDA 的版本信息，如图 1.29 所示，如果命令无法识别，则说明安装 失败。同时也可以从系统环境变量

Tensorboard 编写一个日志，这样你可以可视化测试和训练的标准评估的动 态图像，也可以可视化模型中不同层的激活值直方图。 如果你已经使用 pip 安装了 Tensorflow，你应该可以从命令行启动 Tensorflow： tensorboard --logdir=/full_path_to_your_logs 参数 • log_dir: 用来保存被 TensorBoard 分析的日志文件的文件名。 keras.wrappers.scikit_learn.KerasRegressor(build_fn=None, **sk_params), 这实 现了 Scikit-Learn regressor 界面。 参数 • build_fn: 可调用函数或类实例 • sk_params: 模型参数和拟合参数 build_fn 这应该建立，编译，并返回一个 Keras 模型，将被用来拟合/预测。以下之一三个 位 置 为 ~/.keras/datasets/example.txt。 tar, tar.gz, tar.bz, 以及 zip 格式的文件也可以被解压。传递一个哈希值将在下载后校验文件。 命令行程序 shasum 和 sha256sum 可以计算哈希。 参数 • fname: 文件名。如果指定了绝对路径 /path/to/file.txt，那么文件将会保存到那个路 径。 • origin:

pytorch 注意：如果没有安装unzip，则可以通过运行sudo apt install unzip进行安装。 安装完成后我们可以通过运行以下命令打开Jupyter笔记本（在Window系统的命令行窗口中运行以下命令前， 需先将当前路径定位到刚下载的本书代码解压后的目录）： jupyter notebook 9 https://developer.nvidia.com/cuda‐downloads 目录更改为此路径（cd xx/yy/d2l-en）并运行命 令jupyter notebook。如果浏览器未自动打开，请打开http://localhost:8888。此时你将看到Jupyter的界面以 及包含本书代码的所有文件夹，如 图16.1.1所示 209 https://jupyter.readthedocs.io/en/latest/ 741 图16.1.1: 包含本书代码的文件夹 D2L_key.pem 图16.3.10: 查看实例访问和启动方法 现在，复制 图16.3.10下方红色框中的ssh命令并粘贴到命令行： ssh -i "D2L_key.pem" ubuntu@ec2-xx-xxx-xxx-xxx.y.compute.amazonaws.com 当命令行提示“Are you sure you want to continue connecting (yes/no)”（“你确定要继续连接吗？（是/否）”）

字母，而是增加一条曲线来使得图像分割 （segmentation）更困难。 另一种增加图像分割难度的方法为将符号彼此拥挤 在一起，但其也使得真人用户比较难以识别 要求用户识别图片的验证方式，本图为模拟12306 网站的验证界面 验证码（CAPTCHA）生成 https://zh.wikipedia.org/wiki/captcha 使用 Pillow（PIL Fork） 和 captcha 库生成验证码图像： PIL

迭代成本； • 支持Online Learning，提供从近线到在线的模型数据通路； • 提供从召回到排序全流程的模型解决方案，为业务提供最佳实践； • 提供系统的平台化工具，为用户提供易用的界面操作； MLX模型能力 MLX平台架构 MLX平台架构 • 基于Worker + PS架构搭建 • Worker  模型计算引擎（Engine）  计算图框架（Graph） • 模型计算引擎Engine

Python模块-Matplotlib 图 形 样 式 73 深度学习框架 Keras 74 深度学习框架-PyTorch https://pytorch.org/ 安装PyTorch 命令行运行： 75 深度学习框架-PyTorch 测试PyTorch import torch x = torch.rand(2, 3) print(x) 或者输入 conda list -f