本文共 992 字，大约阅读时间需要 3 分钟。

第二章 预备知识

1、环境配置

1.1 Anaconda

Anaconda可以帮助解决不同Python版本环境之间的兼容性问题。它通过创建独立的环境，使得开发者可以在不同项目之间自由切换Python版本而不产生冲突。

1.2 Jupyter

Jupyter Notebook是开源的交互式开发环境，尤其适合数据分析和机器学习项目。它的灵活性和直观的回顾功能让开发者能够轻松记录和追溯代码执行过程。

1.3 PyTorch

本书提到的PyTorch是一个强大的深度学习框架，与TensorFlow和Keras相比，它在 GPU 加速和自动微分方面表现更为出色。PyTorch的灵活性使其成为许多深度学习项目的首选工具。

2、数据操作

在PyTorch中，torch.Tensor是数据操作的核心工具。它类似于NumPy的多维数组，但拥有显著的优势：支持GPU计算和自动求导，这些特性使其成为深度学习中的理想选择。

2.1 创建Tensor

创建Tensor可以通过以下命令实现：

import torchx = torch.empty(5, 3)print(x)

这行代码会生成一个大小为5x3的空Tensor。后续可以根据需求进行数据填充或其他操作。

补充一

关于Anaconda的存储建议：为了避免占用过多系统资源，建议将Anaconda安装在D盘或其他大容量分区，而不是系统盘。

补充二

关于Jupyter Notebook的自定义如果需要自定义Jupyter Notebook的外观，可以按照以下步骤操作：

D:\Anaconda\Lib\site-packages\notebook\static\components\codemirror\lib

.cm-editor {    font-family: 'Segoe UI', Tahoma, Geneva, Verdana, sans-serif;    font-size: 14px;    line-height: 130%;}

通过以上配置和优化，您可以更好地定制Jupyter Notebook的使用体验，同时确保开发环境的高效性。