定制制作网站公司免费建站的方法

张小明 2026/1/8 13:02:44
定制制作网站公司,免费建站的方法,网站需要维护吗,网站代码模板编写目标 在Windows或Linux系统上安装Anaconda#xff08;Python环境管理工具#xff09;掌握Anaconda的基本使用方法#xff08;创建环境、安装包、管理环境#xff09;安装配置Jupyter Notebook和PyCharm开发工具测试PyTorch环境是否安装成功第一部分#xff1a;Anaconda的安…目标在Windows或Linux系统上安装AnacondaPython环境管理工具掌握Anaconda的基本使用方法创建环境、安装包、管理环境安装配置Jupyter Notebook和PyCharm开发工具测试PyTorch环境是否安装成功第一部分Anaconda的安装与配置1.1 什么是Anaconda通俗理解Anaconda就像是Python的豪华工具箱它包含了Python解释器Python本身包管理工具conda常用的科学计算库NumPy、Pandas等多个虚拟环境管理器可以创建相互独立的Python环境为什么要用Anaconda环境隔离不同的项目可以用不同的Python版本和库版本互不干扰包管理方便conda可以自动解决包依赖问题预装常用库已经包含了数据分析、机器学习常用的库1.2 下载AnacondaWindows用户打开浏览器访问https://www.anaconda.com/products/individual找到下载区域选择Windows版本下载Python 3.9 或 3.10的64位安装程序文件约500MB如果网络较慢可以使用国内镜像清华大学镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Linux用户打开终端CtrlAltT下载安装脚本# 使用wget下载如果没有wget先安装sudo apt install wgetwgethttps://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh# 或者使用curl下载curl-O https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh1.3 安装AnacondaWindows安装步骤双击下载的.exe文件点击Next阅读许可协议点击I Agree选择Just Me点击Next重要选择安装路径建议不要安装在C盘根目录路径中不要有中文或空格例如D:\Anaconda3重要配置✅ 勾选Add Anaconda3 to my PATH environment variable✅ 勾选Register Anaconda3 as my default Python 3.9点击Install等待安装完成约10-20分钟安装完成后点击Next→FinishLinux安装步骤# 1. 给安装脚本添加执行权限chmodx Anaconda3-2023.09-0-Linux-x86_64.sh# 2. 运行安装脚本./Anaconda3-2023.09-0-Linux-x86_64.sh# 3. 按照提示操作# - 按Enter阅读协议# - 输入 yes 同意协议# - 按Enter确认安装位置默认在用户目录下的anaconda3# - 输入 yes 初始化Anaconda3# 4. 使配置生效source~/.bashrc# 或重新打开终端1.4 验证安装是否成功Windows验证按下Win R输入cmd打开命令提示符输入以下命令按回车conda --version如果显示类似conda 23.9.0的版本信息说明安装成功Linux验证打开终端CtrlAltT输入conda --version应该显示conda版本信息1.5 配置conda镜像源国内用户推荐由于网络原因直接连接国外源可能很慢建议配置国内镜像# 配置清华镜像源一次性执行以下所有命令conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urlsyes# 查看配置是否成功conda config --show channels第二部分Anaconda基本使用2.1 创建和管理虚拟环境为什么需要虚拟环境想象一下项目A需要Python 3.8 PyTorch 1.8项目B需要Python 3.10 PyTorch 2.0。没有虚拟环境这两个项目会冲突。有了虚拟环境它们可以和平共处创建深度学习环境# 创建一个名为dl_env的环境使用Python 3.9conda create -n dl_envpython3.9# 创建时直接安装常用包conda create -n dl_envpython3.9numpy pandas matplotlib jupyter命令解释conda create创建新环境-n dl_env环境名为dl_env可以自定义python3.9指定Python版本激活和退出环境# 激活环境进入这个环境conda activate dl_env# 激活后终端提示符会显示环境名例如# (dl_env) C:\Users\YourName# 退出当前环境conda deactivate查看所有环境condaenvlist输出示例# conda environments: # base * C:\Users\YourName\anaconda3 dl_env C:\Users\YourName\anaconda3\envs\dl_env删除环境# 先退出要删除的环境conda deactivate# 删除环境condaenvremove -n dl_env2.2 包管理安装包# 激活环境conda activate dl_env# 安装单个包condainstallnumpy# 安装多个包condainstallpandas matplotlib seaborn# 安装指定版本condainstallpytorch1.13# 使用pip安装conda没有的包pipinstallsome_package查看已安装的包# 查看当前环境所有包conda list# 查看特定包conda list|greppytorch# Linux/Macconda list|findstr pytorch# Windows更新包# 更新单个包conda update numpy# 更新所有包conda update --all卸载包conda remove numpy2.3 环境导出与恢复当你在一个环境配置好所有包后可以导出配置方便在其他电脑上重现# 导出当前环境配置到yml文件condaenvexportenvironment.yml# 从yml文件创建环境condaenvcreate -f environment.yml# 快速复制一个环境conda create -n new_env --clone dl_env第三部分安装深度学习框架3.1 安装PyTorch推荐安装方式# 1. 激活你的深度学习环境conda activate dl_env# 2. 根据你的系统选择命令从官网获取最新命令https://pytorch.org/get-started/locally/# Windows CPU版本condainstallpytorch torchvision torchaudio cpuonly -c pytorch# Linux CPU版本condainstallpytorch torchvision torchaudio cpuonly -c pytorch# 如果有NVIDIA GPU# 先检查CUDA版本nvidia-smi命令查看# 然后去PyTorch官网选择对应命令condainstallpytorch torchvision torchaudio pytorch-cuda11.8-c pytorch -c nvidia验证PyTorch安装# 创建test_pytorch.py文件内容如下importtorchprint(PyTorch版本:,torch.__version__)print(CUDA是否可用:,torch.cuda.is_available())print(设备数量:,torch.cuda.device_count())# 创建一个简单的张量测试xtorch.rand(3,3)print(随机张量:\n,x)在命令行运行python test_pytorch.py3.2 安装TensorFlow可选# CPU版本condainstalltensorflow# GPU版本需要先安装CUDAcondainstalltensorflow-gpu第四部分开发工具安装4.1 Jupyter Notebook安装Jupyter# 已经包含在Anaconda中如果没有condainstalljupyter notebook启动Jupyter# 确保在正确的环境中conda activate dl_env# 启动Jupyter Notebookjupyter notebook# 或者使用Jupyter Lab更现代condainstalljupyterlab jupyter lab浏览器中访问终端会显示一个URL如http://localhost:8888复制到浏览器打开如果提示token从终端复制token粘贴设置Jupyter工作目录# 1. 生成配置文件jupyter notebook --generate-config# 2. 编辑配置文件# Windows用记事本notepad C:\Users\YourName\.jupyter\jupyter_notebook_config.py# Linux用nanonano~/.jupyter/jupyter_notebook_config.py# 3. 找到并修改这一行去掉注释修改路径# c.NotebookApp.notebook_dir 你的工作路径4.2 PyCharm安装配置Windows安装访问https://www.jetbrains.com/pycharm/download/下载Community版免费双击安装建议选择✅ Add “Open Folder as Project”✅ .py关联安装路径不要有中文Linux安装# 方法1使用snapsudosnapinstallpycharm-community --classic# 方法2下载tar.gz解压# 从官网下载Linux版本tar-xzf pycharm-*.tar.gzcdpycharm-*/bin ./pycharm.sh配置PyCharm使用Anaconda环境打开PyCharm创建新项目→Pure Python在Location选择项目路径重要在Python Interpreter设置中点击下拉箭头 →Show All点击→Conda Environment选择Existing environment路径指向你的Anaconda安装路径\envs\dl_env\python.exe点击Create测试PyCharm配置在项目中新建test.py输入importtorchimportnumpyasnpprint(PyTorch版本:,torch.__version__)print(NumPy版本:,np.__version__)右键 →Run ‘test’第五部分环境测试与验证5.1 完整环境测试脚本创建一个test_environment.py文件importsysimporttorchimportnumpyasnpimportpandasaspdimportmatplotlibimportsklearn# 如果需要的话print(*50)print(深度学习环境测试报告)print(*50)# 1. Python信息print(fPython版本:{sys.version})# 2. 库版本信息print(f\n主要库版本)print(fNumPy:{np.__version__})print(fPandas:{pd.__version__})print(fMatplotlib:{matplotlib.__version__})print(fPyTorch:{torch.__version__})# 3. PyTorch设备信息print(f\nPyTorch设备信息)print(fCUDA可用:{torch.cuda.is_available()})iftorch.cuda.is_available():print(fGPU名称:{torch.cuda.get_device_name(0)})print(fCUDA版本:{torch.version.cuda})# 4. 简单计算测试print(f\n计算测试)xtorch.rand(2,3)print(f随机张量形状:{x.shape})print(f张量计算测试:{torch.sum(x)})print(\n✅ 环境测试通过可以开始深度学习了)运行测试conda activate dl_env python test_environment.py5.2 常见问题解决Q1: conda命令找不到Windows以管理员身份打开Anaconda Prompt或者将Anaconda安装目录下的Scripts文件夹加入PATHLinux# 在~/.bashrc或~/.zshrc中添加exportPATH~/anaconda3/bin:$PATHsource~/.bashrcQ2: 安装包时网络超时配置国内镜像源前面已介绍使用代理或切换网络使用pip并指定国内源pipinstallpackage -i https://pypi.tuna.tsinghua.edu.cn/simpleQ3: 环境激活失败# Windows PowerShell可能需要先运行conda init powershell# 然后重新打开PowerShellQ4: PyCharm找不到conda环境确保PyCharm使用的是Community版或Professional版手动指定解释器路径Anaconda安装路径\envs\环境名\python.exe总结练习环境搭建检查清单请按照以下步骤检查你的环境是否搭建成功Anaconda安装成功conda --version有输出创建了深度学习环境conda env list能看到dl_env成功激活环境提示符显示(dl_env)PyTorch安装成功python -c import torch; print(torch.__version__)Jupyter能正常启动jupyter notebook能在浏览器打开PyCharm能识别conda环境新建项目时能看到dl_env实操练习创建多环境练习# 创建两个不同Python版本的环境conda create -n py38_envpython3.8conda create -n py310_envpython3.10# 分别安装不同版本的NumPyconda activate py38_env condainstallnumpy1.19conda activate py310_env condainstallnumpy1.21项目环境迁移练习# 1. 在当前环境安装一些包conda activate dl_env condainstallscikit-learn flask requests# 2. 导出环境condaenvexportmy_project_env.yml# 3. 创建新环境从yml文件condaenvcreate -n new_env -f my_project_env.ymlJupyter内核管理# 将conda环境添加到Jupyterconda activate dl_env condainstallipykernel python -m ipykernelinstall--user --namedl_env --display-namePython (DL)# 启动Jupyter在New菜单中就能看到你的环境
版权声明:本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!

固原市住房和城乡建设局网站做网站是用c 吗

Kafka Exporter是专为Prometheus设计的Kafka集群监控工具,能够实时采集broker状态、主题偏移量、消费者组滞后等关键指标,为分布式消息系统提供全方位的性能监控能力。 【免费下载链接】kafka_exporter Kafka exporter for Prometheus 项目地址: https…

张小明 2026/1/7 5:17:55 网站建设

网站建设与管理实践报告总结wordpress博客有手机版

终极WPS文档在线预览指南:快速集成完整教程 【免费下载链接】wps-view-vue wps在线编辑、预览前端vue项目,基于es6 项目地址: https://gitcode.com/gh_mirrors/wp/wps-view-vue 在当今数字化办公环境中,文档在线预览已成为提升工作效率…

张小明 2026/1/7 11:48:56 网站建设

网站开发公司哪家最专业长沙中小企业网站制作

网络相似度与二分网络的构建与分析 一、构建相似度网络的前期准备 在构建基于相似度的网络时,若列表 protein 包含每个食品项中的蛋白质含量,可对其进行二分处理。以下是两种实现方式: 1. 普通 Python 方式 import statistics threshold = statistics.mean(protein) …

张小明 2026/1/8 1:10:50 网站建设

租空间做网站需要多少钱线上购物网站建设的可行性

高可用集群与网络文件系统详解 1. 高可用集群配置 1.1 初始配置步骤 为了确保高可用集群的正常运行,需要进行一系列的配置操作,具体步骤如下: 1. 确保 ldirectord 不随正常启动脚本启动 : #chkconfig --del ldirectord停止 Heartbeat : #/etc/rc.d/init.d/heart…

张小明 2026/1/8 1:10:52 网站建设

寻找企业网站建设国外网站众筹怎做

以客户为中心与人才争夺战:企业成功的两大关键 1. 数据驱动的客户体验提升 预测性之路或许看似艰巨,但它不仅可行,而且必要。以《点球成金》中的真实故事为例,奥克兰运动家队总经理比利比恩通过数据分析显著提升了球队表现。他利用上垒率数据招募球员,这些球员可能在场上…

张小明 2026/1/8 1:31:06 网站建设

无锡品牌网站建设网络软文广告

40亿参数撬动工业级AI:Qwen3-VL-4B如何重塑多模态落地格局 【免费下载链接】Qwen3-VL-4B-Thinking 项目地址: https://ai.gitcode.com/hf_mirrors/Qwen/Qwen3-VL-4B-Thinking 导语 阿里通义千问团队2025年10月推出的Qwen3-VL-4B-Thinking模型,以…

张小明 2026/1/8 1:10:51 网站建设