摘要：本文在AutoDL提供的JupyterLab中配置了深度学习环境。首先创建了base环境，然后创建了自己的环境（命名为x9py38），并在x9py38环境中安装了一些深度学习包，具体包括PyTorch、jupyter d2l和ipykernel。
一、创建环境
- 进入JupyterLab，具体操作如图所示。
- 进入终端。
- 在终端中输入
vim ~/.bashrc
然后按下回车Enter键，进入下图界面
- 在键盘上按下i键，再按回车Enter键（此时进入编辑界面，和之前界面相比，最后一行多了-- INSERT --）。然后通过方向键把光标放在最后一行最后一个字母。
- 按回车Enter键，到新一行，输入
source /root/miniconda3/etc/profile.d/conda.sh
然后按下Esc键，输入:wq
最后按下回车键，完成编辑，回到刚刚的界面。
- 输入
bash，按下Enter键，刷新界面
- 输入
conda activate base，看看是否可以进入base环境，如果可以，说明之前的工作成功了。
- 建立自己的环境，尽量不在base环境工作
(1) 输入conda create -n x9py38 python=3.8，此处的x9py38是自己环境的名字，可以起别的名。
(2) 按下回车
(3) 鼠标滚轮滑到低，输入y
(4) 按下回车后，会出现如下界面。
- 进入刚建好的环境。输入
conda activate x9py38后，按下回车
二、安装PyTorch和其他包
-
在【查看详情】中可以看到，我当时选择的是cuda 11.3
-
进入 https://pytorch.org/get-started/previous-versions/ 查找cuda对应版本需要安装的pytorch
我在v1.12.1中找到了cuda 11.3安装PyTorch所需命令。
- 复制一下，粘贴到终端。
- 按下回车后，稍等一下，会出现如下界面，输入
y即可
- 按下回车，耐心等待下载
下载完成是这样
标签：教程,AutoDL,界面,x9py38,环境,按下,回车,深度,输入 From： https://www.cnblogs.com/xing9/p/17973488/autodl_env