深度學習教程2,Anaconda安裝和使用命令

2020-12-11 百家號

(小玲說人工智慧----深度學習吧https://sdxx8.com)

我們學習AI,最好的語言目前是python,而,學習AI要安裝各種各樣的程序庫,如果都手動安裝管理,將會非常麻煩,所以有個組織,開發了Anaconda的軟體,準確來說,這個軟體就是一個python管理器,可以安裝python各種版本並存,可以安裝各種庫的各種版本並存。比較像容器。互相環境之間不影響。可以很方便的使用在比如別人特定版本庫開發的程序的環境。

官網:https://www.anaconda.com/

下載地址:win版:Anaconda3-5.3.1-Windows-x86_64.exe 633M

按圖片設置,然後都是下一步就可以完成安裝啦。

之後在開始菜單選擇,Anaconda Navigator,稍等即可打開程序界面如下圖

我們如果新創建環境了,就會顯示在圖中base位置,默認打開是base環境。

我們一般推薦使用命令行來操作anaconda

請打開命令行

conda --version #用來檢測conda版本conda update conda #升級當前版本的conda

conda create --name your_env_name python=2.7conda create --name your_env_name python=3.5 #創立一個名字為your_env_name的python版本為3.5的環境conda create --name your_env_name numpy scipy #創立包含numpy和scipy庫的環境

activate your_env_name #該命令用於激活你所創建的環境,不激活不能使用你創建的環境deactivate #退出當前進入的環境

#列出所有環境名字conda info --envsconda env list

conda create --name new_env_name --clone old_env_name #複製環境conda remove --name your_env_name --all #刪除環境

效果如下:

#安裝包conda install --name your_env_name beautifulsoup4 #沒進入環境前,要手動輸入安裝beautifulsoup4到your_env_name環境conda install beautifulsoup4 #進入環境後,安裝庫conda list -n your_env_name #列舉your_env_name環境下的所有庫名字conda list #列舉當前所在環境的所有庫名字conda install --channel https://anaconda.org/anaconda/tensorflow-gpu tfgpu #從指定連結安裝自己起名叫tfgpu的庫

相關焦點

  • Anaconda安裝和使用
    技術編輯比如我,則使用Anaconda。但是不用擔心,我也會為那些不使用Anaconda的讀者提供相應的安裝說明。在這一節,我們將安裝Anaconda和Miniconda,並創建一個虛擬環境。安裝Anaconda和Miniconda的過程非常相似。顯然,Anaconda需要更多的磁碟空間。
  • Anaconda如何下載及安裝 Anaconda使用安裝教程
    該詞翻譯過來是蟒蛇,相比單純使用python,其不局限於某一版本,而是可以配置多種環境,如即有2.7版,也可繼續裝3.3版;且內置了更多庫連結,需要時檢索,即可自動下載安裝,不需自己找到合適的安裝文件,在配置環境,安裝等;且支持多種電腦系統,如常見windows以及mac,還支持更多Linux等。
  • Anaconda安裝教程
    Anaconda是一個開源的python發行版,在這裡面包含了300多個科學包及依賴項,如果你是做人工智慧、深度學習還是機器學習,你想快速的搭建一個集成環境,那麼使用這個軟體是再好不過的選擇了。只要我們下載並安裝好anaconda,在安裝好python解釋器版本,我們就可以一次性獲得300多種用於科學及工程計算相關任務的python編程庫的支持,接下來,我們來詳細為大家講解。
  • 深度學習環境搭建詳細教程
    # 安裝 支持 GPU和CPU 版本pip install tensorflow# 測試,進入 cmd,輸入命令返回 True 即可tf.test.is_gpu_available()# 6、安裝 PyCharm
  • python小白學習之anaconda的安裝與Jupyter環境配置
    隨著機器學習和人工智慧的崛起,python被越來越多的程序猿使用。python非常易用,但是包管理和Python不同版本問題卻讓人非常頭疼。Anaconda有著強大的包管理與環境管理功能,將python和許多常用的package打包。本文主要介紹linux下Anaconda的安裝與Jupyter環境配置。
  • Python入門——Anaconda的安裝
    隨著人工智慧熱度的不斷高漲,越來越多的人加入python的學習行列,以簡單易學號稱的python卻在安裝這塊難倒了一部分新人,筆者在入門時也走過不少彎路,浪費許多時間不說,也降低了對該語言的學習熱情。所以這裡特意整理一片有關適合新手學習使用的一個開源的python發行版本——Anaconda的介紹及安裝。
  • 菜鳥學Python 安裝教程和常見問題
    (需安裝 python 的解釋器,有了解釋器,即可開始進行 python 編程。)二、什麼是 AnacondaAnaconda 是一個用於科學計算的 Python 發行版,他將 Python 和許多常用的 package 打包,並提供了包管理和環境管理的功能。Anaconda 使用的是 conda 工具來對包和環境進行管理。
  • 在Windows中安裝Tensorflow和Kears深度學習框架
    https://www.anaconda.com/download/ 建立Tensorflow的Anaconda虛擬環境在一臺計算機中,我們常常需要安裝很多軟體,但是每個軟體所需要的Python的關聯模塊或版本不相同。例如,我們要使用Python開發開發網站系統,安裝的網站框架可能需要Python2.X的版本,但是安裝Tensorflow需要Python3.5的版本,此時就會發生版本不一致的問題。
  • Pytorch框架安裝方法(基於Anaconda環境和Pycharm IDE)
    本文介紹基於Anaconda環境以及PyCharm軟體結合,安裝PyTorch深度學習框架。1.Anaconda安裝下載連結:https://www.anaconda.com/1.1 點擊Next1.2 點擊同意1.3 點擊Next1.4 選擇目標文件夾,點擊下一步
  • 一文上手最新Tensorflow2.0系列|TensorFlow2.0安裝
    我們會統一使用Anaconda,在Mac和Windows下安裝的過程也較為簡單,讀者可以自行參考其官方文檔。Anaconda官網有各個平臺詳細的安裝使用教程:https://docs.anaconda.com/anaconda/install/。1.
  • Anaconda+VS Code數據分析環境搭建及使用(GPU、可視化)
    好的工具往往是我們事半功倍,本問推薦Anaconda+VScode及親自安裝實踐供參考使用為什麼選擇AnacondaAnaconda是開源項目,可在Linux,Windows和Mac OS X上執行Python / R,對於數據科學和機器的學習具有如下優勢:
  • 如何使用 Anaconda 之安裝篇
    一、在Anaconda官網 (https://www.anaconda.com/download/) 直接根據電腦系統類型進行下載不同的版本:Windows、macOS、Linux。除非被要求以管理員權限安裝,否則不要以管理員身份安裝。2、目標路徑中不能含有空格,同時不能是「unicode」編碼。軟體安裝一定要安裝在C盤系統碟中,安裝完後安裝包是可以刪除的,安裝包會不定時更新,保留也沒有用,還會佔用電腦內存,本來電腦內存就不多了。
  • 推薦一個非常優秀的python編程開發庫:強大而又高效的Anaconda
    python優先級的調節Linux安裝好了之後,一般有python2和python3,linux默認的是python2,但是現在python可能馬上就要被淘汰了,所以我們平時都是使用python3,或者pip3,這樣相對來說費事一些
  • tensorflow安裝教程
    是進行人工智慧領域開發和科研的必備工具。本文在windows10下,藉助anacondaAnaconda安裝和使用,AkShare入門,安裝tensorflow2.0。建立成功進入tf2.0環境conda activate tf2.0安裝tensorflow2.0 pip install tensorflow==2.0.0-beta1下載的東西挺多,多等一會,最後成功如下命令行運行python,執行import
  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    背景在Windows上使用GPU進行深度學習一直都不是主流,我們一般都首選Linux作為深度學習作業系統。但很多朋友如果只是想要了解深度學習,似乎沒有必要專門裝雙系統或者改用Linux。現實生活中,很多使用學校或者公司電腦的朋友也沒有操作權限改換系統。
  • 寫給純小白的深度學習環境搭建寶典:pytorch+tensorflow
    每天給小編五分鐘,小編用自己的代碼,讓你輕鬆學習人工智慧。本文將手把手帶你快速搭建你自己的深度學習環境,然後實現自己的第一個深度學習程序。野蠻智能,小白也能看懂的人工智慧。Anaconda+pytorch環境準備如果你的電腦帶有GPU,可以先安裝Nvidia驅動 + cuda + cudnn,然後再搭建環境,這樣可以達到更高的運行速度。如果不想使用GPU,學習階段也可以使用cpu版本,對於簡單的程序用CPU和GPU其實沒差別。
  • 零基礎學習python GUI編程(PyQt)系列之一:開發軟體安裝
    該工具直接百度一下就可以下載,下載之後進行默認的安裝即可(由於軟體有些大,在選擇安裝路徑的時候根據自己的需要選擇對應的盤符),當然,對於該工具,網上也有各種各樣的安裝教程,可以根據自身需求選擇。anaconda在百度上搜索的下載界面其次,安裝完anaconda之後,在安裝一個常用的python編輯器,用來承載python代碼的編寫(anaconda其實也自帶這類編輯器Spyder
  • 如何分分鐘構建強大又好用的深度學習環境?
    為此,本文提供了一份詳盡的教程來教你快速構建自己的深度學習環境。不僅教你利用現有資源快速搭建深度學習模型,還一步步列出了如何通過雲平臺搭建自己的深度學習環境。配置基於雲的深度學習環境如果你不想用專用硬體搭建深度學習模型,或者你想跳過那些煩人的配置和設置命令,這裡有一些選擇!
  • 教程| 如何使用Kubernetes GPU集群自動訓練和加速深度學習?
    這是因為容器空間(Docker、Kubernetes 和 DC / OS 等)的核心技術、生態系統是全面開源的,這為用戶提供了抽象的虛擬化工具。近日,卡爾斯魯厄理工學院(KIT)的計算機科學學生 Frederic J. Tausch 在 GitHub 上發布了一篇詳細教程,「可以幫助研究人員和愛好者們用他們的 Kubernetes GPU 集群輕鬆地對深度學習的訓練過程進行自動操作和加速。」
  • OpenCV+深度學習預訓練模型,簡單搞定圖像識別 | 教程
    而OpenCV最近一次版本更新,為我們帶來了更好的深度學習支持,在OpenCV中使用預訓練的深度學習模型變得非常容易。pyimagesearch網站今天發布了一份用OpenCV+深度學習預訓練模型做圖像識別的教程,量子位編譯整理如下:最近,OpenCV 3.3剛剛正式發布,對深度學習(dnn模塊)提供了更好的支持,dnn模塊目前支持Caffe、TensorFlow、Torch、PyTorch等深度學習框架。