深度学习框架MxNet配置（GPU版本）
1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/
- 找到与自己电脑Python版本对应（命令行使用python --v查看对应版本）的版本下载
2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pip install +右键，剩下的文件名部分自动粘贴，回车。
3.出错，先排除pip版本需要更新问题，命令行输入python -m pip install --upgrade pip
不是pip版本问题会提示note: This is an issue with the package mentioned above, not pip.
找找上面提到的包,看到提示跟numpy 相关→打开 AnacondaPrompt 输入pip install --upgrade numpy （直接在cmd命令行输入可能会出错），出现raise ReadTimeoutError考虑①换源（命令行输入：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple）②科学上网。。。。真的是绝了，因为版本混乱不学Java，结果到现在依旧会被这种问题困扰到。。。。。。。。。
报错： No module named 'numpy.distutils._msvccompiler' in numpy.distutils;
分析：可能是因为昨天重装tb买的win10专业版，少了一些dll。然后从源码安装numpy是需要编译的，所以编译过程中出错了
解决：安装Visual Studio 2019 生成工具 选择安装c++生成工具 (根据python版本选择)
到https://wiki.python.org/moin/WindowsCompilers下载对应MinGW-w64Compiler（https://www.mingw-w64.org/downloads/）
MinGW 就是 GCC 的 Windows 版本 。 以上是 MinGW 的介绍，MinGW-w64 与 MinGW 的区别在于 MinGW 只能编译生成32位可执行程序，而 MinGW-w64 则可以编译生成 64位 或 32位 可执行程序
换源-中科大：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes
最后解决：
1.科学上网安装mingw，因为清华源和中科大的源都装不了。
2.下载VS2022（Community）：https://visualstudio.microsoft.com/zh-hans/downloads/【安装过程中会把编译MxNet的组件也给装了】
d2l软件包配置
这里有两种方式：
1.JupyterNotebook里面，命令前加上！
2.终端命令行激活虚拟环境，再用conda install 安装
CUDA，CuDNN
见我的另一篇文章
Gaphaviz下载
这里可以不用下
在conda/anaconda中配置虚拟环境(搭建GPU版本mxnet的运行环境)
1.命令行创建
# 格式：conda create -n 虚拟环境名字 python=你想要的版本号
conda create -n gluon python=3.9
conda activate gluon
可能踩的坑：
1.An unexpected error has occurred. Conda has prepared the above report.
1)删除.condarc文件（这个文件的位置一般为C:\User\Administrator.condarc，如果设置了清华/中科大源，里面会保存这些镜像源的地址，删除了这个文件其实就是类似于恢复使用官方源）
2)清理缓存索引(运行命令：conda clean -i，可以删除conda中的缓存索引)
3)try close your VPN
2.激活环境后，在虚拟环境中安装mxnet（在命令行输入：pip install mxnet-cu100）
3.测试MxNet-GPU是否安装成功
import mxnet as mx
from mxnet import nd
# 简单的展示gpu配置成功
print(mx.cpu(), mx.gpu())
# NDArray在CPU上运算
x_cpu = nd.array([1, 2, 3])
print(x_cpu) # NDArray默认在CPU上 也就是物理内存上分配
print(x_cpu.context) # 通过context来查看NDArray所在的设备
# NDArray在GPU上运算
x_gpu = nd.array([1, 2, 3], ctx=mx.gpu())
print(x_gpu) # NDArray默认在CPU上 也就是物理内存上分配
print(x_gpu.context) # 通过context来查看NDArray所在的设备
用VSCODE跑MxNEt
可能会出现如下错误：
报错提示：
Running cells with ‘Python 3.9.13 (‘ohmy39’)’ requires ipykernel package.
Run the following command to install ‘ipykernel’ into the Python environment.
Command: ‘conda install -n ohmy39 ipykernel --update-deps --force-reinstall’
报错原因：
用vscode直接跑jupyter的时候，会出现这个错误。说明当前用的这个虚拟环境还不支持ipykernel。
解决：
# 非虚拟环境
conda install -n XXX ipykernel --update-deps ## XXX为目标conda环境
# 虚拟环境（按照提示输入对应的命令即可）
conda install -n ohmy39 ipykernel --update-deps --force-reinstall
最后的建议
- 初学者放弃GPU版本的Mxnet吧，1.不要在本地（环境配置太多坑了）2.建议在Colab或者Kaggle上跑，蹭蹭免费的GPU
- 用PyTorch先入门把整个流程走一遍，后期有余力有兴趣再整MxNet
李沐老师的《动手学深度学习》相关网址：
课程材料：http://zh.gluon.ai
互动论坛：http://discuss.gluon.ai（有一些帖子可以为你在学习的过程中遇到的问题提供一些参考）
douyu直播：https://www.douyu.com/jiangmen