时隔2年，又开始学了……
本次使用算力自由平台的云服务器，搭建环境，学习《动手学深度学习》。
算力自由平台：https://www.gpufree.cn/
动手学深度学习：https://zh-v2.d2l.ai/
选择服务器
这里选择了算力自由平台，按量付费，适合学习和测试。使用微信即可注册。
在镜像仓库中选择cuda12.8的镜像即可
最省事的方法是点击快速创建，创建完成之后会进入服务器控制台
打开jupyter lab
点击左侧jupyter lab，点击启动就会自动打开jupyter lab的页面
配置环境
在jupyter lab中新建一个终端。可以看到默认是root用户，激活了base环境。
然后我们按照《动手学深度学习》中的要求安装环境即可
conda create -n d2l python=3.10 -y
conda activate d2l
切换内核
说起来，之前居然不知道可以切换内核……现在才知道实际上Jupyter Notebook和Jupyter Lab是可以切换内核的，并且内核和当前的环境是没有关系的。
切换内核的前提是你需要在当前环境中安装ipykernel包，然后将当前环境注册为一个内核。
在jupyter lab中安装ipykernel
pip install ipykernel
python -m ipykernel install --user --name d2l --display-name "d2l"
这里的–name是内核的名称，也就是你的conda环境的名称，–display-name是显示的名称，可以随便取。
接下来我们使用jupyter kernelspec list命令查看当前的内核
jupyter kernelspec list
# 可以看到我们刚刚注册的d2l内核
(d2l) root@gpufree-container:~/d2l-zh/pytorch# jupyter kernelspec list
Available kernels:
python3 /opt/conda/envs/d2l/share/jupyter/kernels/python3
d2l /root/.local/share/jupyter/kernels/d2l
python3是默认的内核，d2l是我们刚刚注册的内核。
等一会就可以看到启动页中多了一个d2l内核
接下来我们新建一个notebook，在右上角可以看到当前的内核是python3
点击python3可以看到我们刚刚注册的d2l内核，选择它即可.
当然也可以在新建notebook的时候直接选择内核，在启动页点击笔记本下的d2l即可
安装依赖
接下来我们安装《动手学深度学习》中的依赖
pip install torch
pip install torchvision
# pytorch和torchvision的版本可以根据需要选择，参考官网
pip install d2l # 安装d2l包
然后安装d2l的jupyert notebook文件
mkdir d2l-zh && cd d2l-zh
curl https://zh-v2.d2l.ai/d2l-zh-2.0.0.zip -o d2l-zh.zip
unzip d2l-zh.zip && rm d2l-zh.zip
cd pytorch
当我安装的时候，发现没有unzip命令，安装一下
apt-get update
apt-get install unzip -y
然后再执行上面的最后两行即可
验证
接下来我们打开一个notebook，选择d2l内核，运行一下看看能不能使用gpu
import torch
torch.cuda.is_available()
如果返回True说明可以使用gpu了
动手学深度学习！
接下来就可以愉快地学习了。看到自己大一时候学的东西又回来了……万恶的深度学习又开始了……
总结
在使用了这么多次云服务器和环境搭建之后，发现其实并不难，主要是熟悉命令行操作和环境配置。这个感觉人已经越来越像运维了……
conda、python、jupyter这些工具都非常好用，掌握了这些工具之后，环境搭建其实并不难。另外ssh、pycharm的远程连接等也非常好用。
