深度学习第一弹: PyCharm和Anconda的安装与配置

Anaconda+Pycharm安装 我提前创建好一个自己项目所需的虚拟环境。步骤是:打开终端(cmd)或者 搜索 ”Anaconda Prompt“ 并打开,输入 conda create -n pytorch python=3.9 -c。 阅读详情

工欲善其事,必先利其器,学习编程也是一样的道理,一个好的IDE(集成开发环境)能够让你事半功倍。PyCharm是由JetBrains公司开发的Python集成开发环境,目前在深度学习领域应用广泛,而Conda是一个开源的包、环境管理器,可以在同一个机器上安装不同版本的软件包及其依赖,能够在不同的环境之间切换,二者结合会让大家在编写和调试深度学习代码时得心应手,今天小小万就给大家介绍一下PyCharm和Anaconda软件的安装和配置使用,为后续的学习分享打下基础。

一、PyCharm的安装

1、下载PyCharm

目前PyCharm官网提供专业(PyCharm Professional)和社区(PyCharm Community)两个版本,专业版是面向专业开发者的商业版本(需要购买License),相较于社区版(免费),主要提供了一些科学计算和数据分析工具、远程开发支持等附加功能,对于个人的开发者,社区版已经基本能够满足日常的开发需求。

需要最新专业版PyCharm永久使用权限的扫码免费获取,还剩最后几个名额。

2、安装

小小万这边下载的是社区版本的,安装步骤如下:

安装完成之后,进入桌面打开软件。

一、Anaconda的安装

Anaconda是一个用于数据科学、机器学习和科学计算的开源发行版和管理系统。它包含了许多流行的开源工具和库,如Python、R和Jupyter等,这些工具和库用于数据分析、数据可视化、机器学习和大数据处理等领域。

1、下载

官方地址(2023.09版本):地址,点击文章左下角的阅读原文获取链接。

百度云地址(2023.09版本):地址,点击文章左下角的阅读原文获取链接。

以上软件也可关注公众号“小小万笔记”,回复002获取。

2、安装

       ![](https://mmbiz.qpic.cn/sz_mmbiz_png/3KgWu1MYPLZjSOHA1EMC2xNuHv4sTsnaKBFc5b5ib7U34LEYuHRqjFwVYFibqPtcbibh2xELILTA9Kia7ticpib0Xqvg/640?wx_fmt=png&from=appmsg)

3、打开Anaconda

安装完成Anaconda之后就可以根据开发需要创建自己的环境了,首先打开打开Anaconda Prompt,打开之后可以看到,进入了base环境,为了后期的开发需要,咱们创建一个名为pytorch的开发环境,在终端输入命令:conda create -n pytorch python==3.7

之后输入yes,等待安装结束。

之后激活创建的pytorch环境,命令行输入:conda activate pytorch,可以看到进入了pytorch环境。

二、环境配置和测试

我们可以在上述终端进行代码的调试,但是往往不够方便直观,为此我们使用PyCharm,将配置好的conda环境添加到项目中。

1、打开PyCharm,选择工程并打开。

此处的工程获取可以关注"小小万笔记"公众号,回复003获取。

1、设置编译器环境

依次点击file—>settings—>Project—>Python Interpreter—>ADD interpreter—>Conda Environment,之后选择conda的路径,再选择创建的conda环境。

2、安装库文件

接着打开终端,安装环境。

3、运行程序

至此,完成所有环境的安装和配置工作,欢迎大家的阅读和关注,有什么问题或者意见欢迎大家私信小小万,期待和大家的下一期学习。

**题外话:**最近看到一段话,觉得很有启发,和小伙伴分享一哈~,希望大家都能够在这浮躁的社会,用一颗平静的心面对生活。

《当下的力量》这本书里提到过这样一个情景,如果你有事情该做却坐在树林里偷懒,你有两种可取的做法:1.立即去做该做的事。2.任由自己偷懒,而且要全心全意地偷懒。无论你选择哪一种,你都会感到平静和安然。最不该做的就是一边休息着,一边一遍一遍地叮嘱自己我还有事要做,不该在这偷懒。这是自己抵抗自己,这是产生内部矛盾,这样的做法不会改变任何事情,但是会让你烦躁和不安。

学习资源推荐

除了上述分享,如果你也喜欢编程,想通过学习Python获取更高薪资,这里给大家分享一份Python学习资料。

这里给大家展示一下我进的兼职群和最近接单的截图

兼职群

私单

😝朋友们如果有需要的话,可以 V扫描下方二维码联系领取,也可以内推兼职群哦~

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

1.Python学习路线

image-20230619144606466

python学习路线图1

2.Python基础学习

01.开发工具

02.学习笔记

在这里插入图片描述

03.学习视频

在这里插入图片描述

3.Python小白必备手册

图片

4.数据分析全套资源

在这里插入图片描述

5.Python面试集锦

01.面试资料

在这里插入图片描述

在这里插入图片描述

02.简历模板

在这里插入图片描述

需要最新专业版PyCharm永久使用权限的扫码免费获取,还剩最后几个名额。
因篇幅有限,仅展示部分资料,添加上方即可获取👆

------ 🙇‍♂️ 本文转自网络,如有侵权,请联系删除 🙇‍♂️ ------
在PyCharm中配置使用Anaconda环境 在PyCharm中配置使用Anaconda环境一、步骤1.Anaconda2.PyCharm总结 一、步骤 1.Anaconda 如未安装Anaconda可至其官网下载,学习使用个人版就可以了。 下载地址:https://www.anaconda.com/products/individual 1、打开Anaconda Navigator,点击Environments可以看到anaconda中已经有了默认的“base”环境,其中包含了大多数我们会用到的包,在PyCharm中可以直接使用该环境,而无需自行下载 阅读详情

相关推荐

pycharm配备Anaconda环境,安装配备全过程(一条龙超超超详尽版)

下载python后我们可以在应用里找到python自带的IDLE,这是一种编辑器,而pycharm是一种高级编辑器(高级编译器都是集成开发环境,也就是我们常说的IDE,integrated development environment)它的集成度非常高,是JetBrain公司专门为python开发的IDE。(除了pycharm外,Spder,WingIDE也是常用的IDE,

QHSNDKW的博客 5626

超详细的Pycharm+Anconda安装配置教程

详细讲解Anconda的安装过程和注意点;详细讲解Pycharm的安装过程和注意点;详细讲解如何为Pycharm配置pyhton编辑器

罅隙的博客 6万+

Anaconda+spyder+pycharm的pytorch配置(GPU)

第一步 : 从清华大学开源软件镜像站下载Anaconda:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D 安装过程中需要勾选如下图 装好后测试是否装好,先配置环境变量(可能anaconda安装好后自己就有了) 打开CMD,输入代码 conda list 回车出现包的信息则说明安装完成 打开Anaconda Navigator(桌面没有的话就点击左下角看最近添加)可以看到spyder已经下好了 ———————

Dylanqin的博客 4991

Anaconda+PyCharm创建环境及配置环境

最近弄了太多Python环境配置,在此写一篇随笔来总结归纳一下,以便温故知新。 目录 一、环境搭建 第一步:使用Anaconda创建一个新虚拟环境 第二步:在PyCharm中新建项目 二、配置环境 1. 配置Anaconda中已经有的 2. 离线配置环境 3. 在线安装 3.1 Anaconda 命令行在线安装 3.2 通过Pycharm在线安装 三、最后检验 一、环境搭建 准备软件:Anaconda + ......

weixin_51009494的博客 4万+

Win10下用Anaconda配置深度学习环境

Win10下用Anaconda配置深度学习环境 Anaconda的安装与简单配置 首先,去Anaconda的官网的下载页面Anaconda官网下载页面下载对应系统的支持Python3.7的Anaconda版本的安装包。如下图: 下载完安装包之后就开始一步一步安装就好了,我个人的安装目录是D:\ASoftware\Anaconda3。 我们可以使用Anaconda里面的jupyter notebo...

The_heart_of_robort的博客 3722

如何搭建一个vue项目(完整步骤)

查看版本的两种方式 出现版本号则说明安装成功(最新的以官网为准) 这里注意:安装vue-cli对node.js的版本是有要求的 装的两种方式:输入cmd命令 查看安装的版本(显示版本号说明安装成功) 如果你原来有版本或者版本比较低,可以升级...

m0_67392661的博客 5591

Anconda和Jupyter和Pycharm安装使用详解

文章目录1 本文概述2 什么是Anaconda3 为什么要使用Anaconda3.1 使用方便3.2 管理方便4 Anaconda安装4.1 到Anaconda官网下载安装包4.2 开始安装5 Anaconda使用5.1 概述5.2 conda5.2.1 启动conda5.2.2 conda环境管理5.2.3 conda 包管理5.2.4 Conda 使用国内源6 Jupyter Notebook6.1 Jupyter Notebook介绍6.2 jupyter notebook使用6.2.1 打开jupy

qq_39545674的博客 4870

PLC控制气缸与电磁阀:从原理到实战编程详解

在工业自动化领域,很多工程师都能编写PLC程序控制电机启停,但当涉及到气缸和电磁阀的精确控制时,却常常遇到动作不协调、响应延迟甚至设备损坏的问题。这背后的关键不在于PLC编程本身,而在于对气动元件特性和控制逻辑的深入理解。 本文将从实际工程问题出发,深入解析气缸与电磁阀的工作原理、PLC控制逻辑设计、常见故障排查方法,并通过完整的梯形图实例,帮助读者掌握气动系统自动化编程的核心要点。无论你是刚接触PLC的初学者,还是希望提升气动控制技能的工程师,都能从中获得实用的技术指导。 1. 气缸与电磁阀在自动化控制中

weixin_42522374的博客 341

anconda与pycharm的关系与使用

最近开始接触深度学习,新手小白安装环境,不是这里不熟练那里不懂的,整理了一下个人经验便于大家理解,同时也对后续的CUDA与pytorch的安装做一个前提了解,汇总一些经验仅供大家参考。(非专业,仅限自用)

qq_62373903的博客 1296

压电阀控制器设计-总章

本文章用于回顾记录本人制作压电阀控制器的关键技术,本人所制作压电阀控制器已经上市得到应用,特在此对一些关键技术进行回顾记录,欢迎从事压电控制及压电阀相关人员一起讨论

qq_42712859的博客 850

硬件知识点-----SPI串联电阻、振铃、过冲

电阻取值,没有公式,一被传输线的特征阻抗为50欧姆左右,而TTL电路输出电阻大桃为13欧姆左右,在源端串一个33姆,大致和50相当,这样就可以柳制从终端反射回来的倍号,防止再次反射。传输时间tp=L/V,其中L是导线长度,V是电磁波在电路板中的传输速度V=C/sqrDk,其中Dk是光速衰减因子,对于电路板而言是铜线,Dk=4电磁波在电路板中的速度都是慢于光速的。实际上串联多大的电阻与传输线的阻抗有关,为了保证阻抗的连续性,如果传输线的特性阻抗 Z0与驱动源的输出阻抗 Zd不匹配,会引发信号的反射。

贾saisai的博客 2724

利用Anaconda安装pytorch和paddle深度学习环境+pycharm安装---免额外安装CUDA和cudnn(适合小白的保姆级教学)

一、英伟达驱动安装与更新 显卡驱动程序就是用来驱动显卡的程序,它是硬件所对应的软件。驱动程序即添加到操作系统中的一小块代码,其中包含有关硬件设备的信息。正常有显卡的电脑都是有驱动程序的,但是有的时候驱动可能版本比较低,支持的cuda版本也是比较低的(但是有的人的显卡是比较老的,就不建议更新驱动,这样会导致各种各样的问题,但是搞深度学习还是要用一块好的显卡用来学习,这点我是有血泪教训的,咬咬牙买块好的显卡,把知识学到手,以后的工资可以多赚会很多显卡的钱),英伟达出的30系列的显卡好像只支持cu...

didiaopao的博客 47万+

1位2路选择器设计

1位2路选择器设计

好好学习,天天向上 3580

深度学习-搞定Pytorch环境配置

pytorch、环境配置、深度学习

研究生在读,研究方向人工智能和嵌入式编程 4717

字节系,ali系,ks,pdd最新抓包方案

各大厂安卓逆向

qq_38759383的博客 1147

28、基于图像快速序列视觉呈现(RSVP)的脑机接口特征提取与分类算法综述

本文综述了基于图像快速序列视觉呈现(RSVP)的脑机接口(BCI)中的特征提取与分类算法。RSVP技术通过快速连续呈现图像序列,结合脑电图(EEG)信号分析,实现对目标图像的识别和标记。文章详细介绍了RSVP实验的设计、EEG数据的采集与预处理,并探讨了低信噪比、维度灾难、重叠epoch和不平衡数据集等挑战。针对特征提取,讨论了有监督空间滤波方法(如CSP、xDAWN、LDA波束形成器)的原理和应用。在分类策略部分,涵盖了线性分类技术(如LDA、BLR、LR、SVM)和非线性分类方法(如MLP、CNN)。文

hh234的博客 337

jupyter lab 与jupter notebook 以及anconda环境

最好就是利用jupyter lab 管理jupyter notebook,要不然无法选择内核。这样下次打开虚拟环境的jupter1,输入jupyter lab即可进行并读取虚拟环境了。之后退出jupyter环境,进入虚拟环境,检查是否具有ipykernel。进行虚拟环境,将虚拟环境的名字,写入到jupyter lab中。最新的jupyterlab 2以上都自带了这个插件。这样你的jupyterlab就能够进行调试了。注意:包版本的冲突,和pyharm的联合使用。直接在现有的虚拟环境,安装jupyter。

qq_46089163的博客 1387

多跳问答技术解析:从原理到金融领域实践

多跳问答(Multi-hop QA)是自然语言处理中的高级任务,要求系统通过多步推理整合分散信息来回答问题。其核心技术在于理解文档间的复杂关联,相比单跳问答需要更精细的数据集设计和模型架构。在金融、医疗等专业领域,多跳问答能有效处理如'腾讯大股东投资的港股上市公司'这类需要串联多个信息点的问题。典型实现方案包括MR-Search框架的三级检索器设计,分别处理实体召回、关系匹配和数值比较。当前最佳实践表明,结合稠密检索与稀疏检索的混合策略,配合动态路由机制,能在保持较高精度的同时控制计算成本。这类技术在金融风

weixin_42566072的博客 607

Anaconda+PyCharm+TensorFlow安装与配置

参考文章:https://www.cnblogs.com/yuxuefeng/articles/9235431.html 1.从https://repo.anaconda.com/archive/下载对应版本anaconda,注意最新版本对应的是python3.7,目前tensorflow只支持python3.4、3.5、3.6版本 这一步可选择忽略,点击skip即可 完成安...

qq_36625195的博客 1944

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

本地配置Anaconda+Python+PyCharm+PyTorch深度学习环境

目录 1-创建pytorch环境 2-安装pytorch环境 3-pycharm导入pytorch环境 首先已经安装好了anaconda,并且我们也知道anaconda是一个包管理工具,它可以用来管理我们的工作环境。此教程就不在此说明anaconda安装方法了。总要留点给你们遐想空间O(∩_∩)O 进入正题,下边就使用anaconda来创建一下我们的Pytorch工作环境。 1-创建pytorch环境 step1:将dos路径进入到anaconda安装路径下的Scripts文件夹下。 首..

lizaijinsheng的专栏 1634

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

pandas镜像安装_初学Python必备,Win10安装Anconda3(保姆式安装),彻底告别安装python各种库的烦恼...

相信大家在一开始学习python的话,基本上都会安装一些基本的库,都是直接打开cmd,然后pip insatll some-package,这种往往会出现速度比较慢,偶尔还时不时的报错误,请求超时等情况。然后就开始下一步,找到了一些镜像,这样大大缩短了安装时间,这样速度也比较快,解决了一些安装一些python第三方库的问题。清华:https://pypi.tuna.tsinghua.ed...

weixin_42359449的博客 452

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

【Win10/Win11深度学习环境配置记录】——Anaconda+CUDA+CUDNN+PyCharm+Pytorch

记录自己配置Anaconda、Pycharm、cuda、cudnn、pytorch的过程,附上自己认为有帮助的博客,供有需之人参考。(配置过程比较顺利,没有报太多奇奇怪怪的错误)

weixin_47227105的博客 2427

Tensorflow 2.1 安装(CPU版本+GPU版本)

在学习Tensorflow 这个框架时 我推荐使用 Tensorflow 2.0+ pycharm +Anconda进行组合 一 环境的创建 首先打开Anconda Prompt (以管理员模式打开) 我们创建一个 tf2的环境 并且配置python版本为3.7 然后我们就会看到以下画面 按下Y键 下载相关的文件 下载完成后会出现以下界面 二 激活环境 我们输入 conda activat...

qq_46083603的博客 8750
上一篇: 用Python实现壁纸自由!
下一篇: 网络安全入门教程(非常详细)从零基础入门到精通
大模型应用场景
博客等级 码龄5年 7677粉丝 1350原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值