Generative_Deep_Learning_2nd_Edition

环境要求

• 已安装 Docker（含 docker compose）
• 已安装 Git 用于拉取仓库代码
• Kaggle 账号及 API Token（部分数据集需要）
• 如需 GPU 加速：本机具备可用的 GPU 环境

安装与启动步骤

1. 1克隆代码仓库

   从 GitHub 拉取官方仓库到本地，后续所有操作都在该目录内进行。

   git clone https://github.com/davidADSP/Generative_Deep_Learning_2nd_Edition.git
   cd Generative_Deep_Learning_2nd_Edition

   复制

2. 2获取 Kaggle Token

   注册 Kaggle 账号，进入账号页 Account → Create API Token，下载得到 kaggle.json 凭证文件。

3. 3创建 .env 文件

   在仓库根目录新建 .env，写入 Jupyter 与 TensorBoard 端口；Kaggle 用户名和 API Key 按 README 示例补充。

   JUPYTER_PORT=8888
   TENSORBOARD_PORT=6006

   复制

4. 4构建 Docker 镜像

   无 GPU 用第一条命令；想用 GPU 则改用带 gpu 配置文件的第二条命令，首次构建耗时较长。

   docker compose build
   docker compose -f docker-compose.gpu.yml build

   复制

5. 5启动容器

   无 GPU 执行第一条，GPU 环境执行第二条。启动后 Jupyter 服务会监听 .env 中配置的端口。

   docker compose up
   docker compose -f docker-compose.gpu.yml up

   复制

6. 6打开 Jupyter

   在本地浏览器访问 Jupyter 地址，进入 /notebooks 目录即可按章节运行配套 Notebook。

   http://localhost:8888

   复制

关键配置

如何确认成功

浏览器打开 http://localhost:8888 能显示 Jupyter 界面，且容器日志中 Jupyter 已正常启动即成功。

常见问题

注意事项

• README 中的 .env 示例在 Kaggle 凭证部分被截断，具体变量名请以仓库内 .env 示例文件为准。
• 配套 Notebook 位于仓库 /notebooks 目录，按章节和示例组织。
• 首次构建镜像会下载大量依赖，请预留足够时间和磁盘空间。
• 不熟悉 Docker 的用户可先阅读仓库内 docs/docker.md 指南。