.. _chap_installation:

Cài đặt
=======


Để giúp bạn có được và chạy trải nghiệm học tập thực hành, chúng tôi cần
thiết lập cho bạn một môi trường để chạy Python, máy tính xách tay
Jupyter, các thư viện có liên quan và mã cần thiết để tự chạy cuốn sách.

Cài đặt Miniconda
-----------------

Cách đơn giản nhất để có được đi sẽ là cài đặt
`Miniconda <https://conda.io/en/latest/miniconda.html>`__. Phiên bản
Python 3.x là bắt buộc. Bạn có thể bỏ qua các bước sau nếu máy của bạn
đã cài đặt conda.

Truy cập trang web Miniconda và xác định phiên bản thích hợp cho hệ
thống của bạn dựa trên phiên bản Python 3.x và kiến trúc máy của bạn. Ví
dụ: nếu bạn đang sử dụng macOS và Python 3.x, bạn sẽ tải xuống tập lệnh
bash có tên chứa chuỗi “Miniconda3" và “MacOSX”, điều hướng đến vị trí
tải xuống và thực hiện cài đặt như sau:

.. code:: bash

    sh Miniconda3-latest-MacOSX-x86_64.sh -b

Một người dùng Linux với Python 3.x sẽ tải xuống tệp có tên chứa chuỗi
“Miniconda3" và “Linux” và thực hiện như sau tại vị trí tải xuống:

.. code:: bash

    sh Miniconda3-latest-Linux-x86_64.sh -b

Tiếp theo, khởi tạo shell để chúng ta có thể chạy trực tiếp ``conda``.

.. code:: bash

    ~/miniconda3/bin/conda init

Bây giờ đóng và mở lại vỏ hiện tại của bạn. Bạn sẽ có thể tạo ra một môi
trường mới như sau:

.. code:: bash

    conda create --name d2l python=3.8 -y

Tải xuống máy tính xách tay D2L
-------------------------------

Tiếp theo, chúng ta cần tải xuống mã của cuốn sách này. Bạn có thể nhấp
vào tab “Tất cả máy tính xách tay” ở đầu bất kỳ trang HTML nào để tải
xuống và giải nén mã. Ngoài ra, nếu bạn có ``unzip`` (nếu không chạy
``sudo apt install unzip``) có sẵn:

.. code:: bash

    mkdir d2l-en && cd d2l-en
    curl https://d2l.ai/d2l-en.zip -o d2l-en.zip
    unzip d2l-en.zip && rm d2l-en.zip

Bây giờ chúng ta có thể kích hoạt môi trường ``d2l``:

.. code:: bash

    conda activate d2l

Cài đặt Framework và gói ``d2l``
--------------------------------

Trước khi cài đặt bất kỳ khung học sâu nào, trước tiên hãy kiểm tra xem
bạn có GPU thích hợp trên máy tính của mình hay không (GPU cung cấp năng
lượng cho màn hình trên máy tính xách tay tiêu chuẩn không phù hợp với
mục đích của chúng tôi). Nếu bạn đang làm việc trên máy chủ GPU, hãy
tiến hành :ref:`subsec_gpu` để được hướng dẫn về cách cài đặt các
phiên bản thân thiện với GPU của các thư viện có liên quan.

Nếu máy của bạn không chứa bất kỳ GPU nào, không cần phải lo lắng. CPU
của bạn cung cấp quá đủ mã lực để giúp bạn vượt qua một vài chương đầu
tiên. Chỉ cần nhớ rằng bạn sẽ muốn truy cập GPU trước khi chạy các mô
hình lớn hơn. Để cài đặt phiên bản CPU, hãy thực hiện lệnh sau.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar text"><a href="#mxnet-1-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-1-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-1-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-1-0">

.. code:: bash

    pip install mxnet==1.7.0.post1



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-1-1">

.. code:: bash

    pip install torch torchvision



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-1-2">

Bạn có thể cài đặt TensorFlow với cả hỗ trợ CPU và GPU như sau:

.. code:: bash

    pip install tensorflow tensorflow-probability



.. raw:: html

     </div>



.. raw:: html

     </div>

Bước tiếp theo của chúng tôi là cài đặt gói ``d2l`` mà chúng tôi đã phát
triển để đóng gói các chức năng và lớp thường được sử dụng được tìm thấy
trong suốt cuốn sách này.

.. code:: bash

    # -U: Upgrade all packages to the newest available version
    pip install -U d2l

Khi bạn đã hoàn thành các bước cài đặt này, chúng tôi có thể máy chủ máy
tính xách tay Jupyter bằng cách chạy:

.. code:: bash

    jupyter notebook

Tại thời điểm này, bạn có thể mở http://localhost:8888 (nó có thể đã tự
động mở) trong trình duyệt Web của bạn. Sau đó, chúng ta có thể chạy mã
cho mỗi phần của cuốn sách. Vui lòng luôn thực hiện
``conda activate d2l`` để kích hoạt môi trường thời gian chạy trước khi
chạy mã của cuốn sách hoặc cập nhật khung học sâu hoặc gói ``d2l``. Để
thoát khỏi môi trường, chạy ``conda deactivate``.

.. _subsec_gpu:

Hỗ trợ GPU
----------




.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar text"><a href="#mxnet-3-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-3-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-3-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-3-0">

Theo mặc định, MXNet được cài đặt mà không cần hỗ trợ GPU để đảm bảo
rằng nó sẽ chạy trên bất kỳ máy tính nào (bao gồm hầu hết các máy tính
xách tay). Một phần của cuốn sách này yêu cầu hoặc khuyến nghị chạy với
GPU. Nếu máy tính của bạn có card đồ họa NVIDIA và đã cài đặt
`CUDA <https://developer.nvidia.com/cuda-downloads>`__, thì bạn nên cài
đặt phiên bản hỗ trợ GPU. Nếu bạn đã cài đặt phiên bản chỉ CPU, bạn có
thể cần gỡ bỏ nó trước bằng cách chạy:

.. code:: bash

    pip uninstall mxnet

Bây giờ chúng ta cần tìm hiểu phiên bản CIDA bạn đã cài đặt. Bạn có thể
kiểm tra điều này bằng cách chạy ``nvcc --version`` hoặc
``cat /usr/local/cuda/version.txt``. Giả sử rằng bạn đã cài đặt CDA
10.1, sau đó bạn có thể cài đặt với lệnh sau:

.. code:: bash

    # For Windows users
    pip install mxnet-cu101==1.7.0 -f https://dist.mxnet.io/python

    # For Linux and macOS users
    pip install mxnet-cu101==1.7.0

Bạn có thể thay đổi các chữ số cuối theo phiên bản CIDA của mình, ví dụ:
``cu100`` cho CIDA 10.0 và ``cu90`` cho CIDA 9.0.



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-3-1">

Theo mặc định, khung học sâu được cài đặt với hỗ trợ GPU. Nếu máy tính
của bạn có GPU NVIDIA và đã cài đặt
`CUDA <https://developer.nvidia.com/cuda-downloads>`__, thì tất cả bạn
đã thiết lập.



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-3-2">

Theo mặc định, khung học sâu được cài đặt với hỗ trợ GPU. Nếu máy tính
của bạn có GPU NVIDIA và đã cài đặt
`CUDA <https://developer.nvidia.com/cuda-downloads>`__, thì tất cả bạn
đã thiết lập.



.. raw:: html

     </div>



.. raw:: html

     </div>

Bài tập
-------

1. Tải xuống mã cho cuốn sách và cài đặt môi trường thời gian chạy.



.. raw:: html

     <div class="mdl-tabs mdl-js-tabs mdl-js-ripple-effect"><div class="mdl-tabs__tab-bar text"><a href="#mxnet-5-0" onclick="tagClick('mxnet'); return false;" class="mdl-tabs__tab is-active">mxnet</a><a href="#pytorch-5-1" onclick="tagClick('pytorch'); return false;" class="mdl-tabs__tab ">pytorch</a><a href="#tensorflow-5-2" onclick="tagClick('tensorflow'); return false;" class="mdl-tabs__tab ">tensorflow</a></div>



.. raw:: html

     <div class="mdl-tabs__panel is-active" id="mxnet-5-0">

`Discussions <https://discuss.d2l.ai/t/23>`__



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="pytorch-5-1">

`Discussions <https://discuss.d2l.ai/t/24>`__



.. raw:: html

     </div>



.. raw:: html

     <div class="mdl-tabs__panel " id="tensorflow-5-2">

`Discussions <https://discuss.d2l.ai/t/436>`__



.. raw:: html

     </div>



.. raw:: html

     </div>