Anaconda创建深度学习虚拟环境/配置PyCharm环境/远程登陆PyCharm

Anaconda新建虚拟环境并配置 Anaconda新建虚拟环境并安装指定的包/库 阅读详情

不同时期的开源算法代码,可能是基于不同的python、pytorch版本。日常工作中我们不可能把这些库卸载掉然后安装对应版本,这样就太繁琐耗时了。但是我们可以借助Anaconda的创建虚拟环境安装对应的软件版本环境,下次有需要时直接激活就可以使用,方便快捷。

一、Anaconda安装

参考:《CentOs 安装Nvidia驱动+CUDA+cuDNN+Anaconda3》

二、Anaconda创建虚拟环境

2.1 搜索python、pytorch版本

一般情况下,虚拟环境里版本差异较大的主要集中在python和pytorch两个软件上,因此我们可以通过如下命令找到对应的版本。

1、进入pytorch官网
假设我们安装最新版的pytorch 1.7.1,需要python3.9。当然你也可以安装历史版本
在这里插入图片描述
2、用conda search python命令查找python对应版本

conda search python

在这里插入图片描述

2.2 创建虚拟环境

环境保存路径:environment location: /home/jimmy2/.conda/envs/jimmy2_env_python=3.9.1_pytorch=1.7.1选择y

conda create --name jimmy2_env_python=3.9.1_pytorch=1.7.1

create:创建虚拟环境
–name:虚拟环境名词
名称比较长,但是一目了然,方便环境管理
jimmy2_env_python=3.9.1_pytorch=1.7.1
在这里插入图片描述

2.3 激活虚拟环境

conda activate jimmy2_env_python=3.9.1_pytorch=1.7.1

如果没有报错,直接得到2、重新打开shell窗口激活的结果

报错:CommandNotFoundError: Your shell has not been properly configured to use 'conda activate'.
解决:conda init <SHELL_NAME>,我们的shell是bash。
1、输入如下命令

conda init <
Anaconda创建虚拟环境 Python 在使用Python进行开发时,我们经常需要管理不同的项目,每个项目可能需要不同版本的Python以及特定的依赖库。为了避免不同项目之间的冲突,Anaconda提供了一种创建和管理虚拟环境的方法。虚拟环境可以让我们在同一台机器上同时运行多个项目,并且每个项目都有自己独立的Python环境。通过使用Anaconda创建虚拟环境,你可以轻松地管理不同项目的依赖关系,并确保它们之间的隔离性。现在,你可以在虚拟环境中安装所需的Python包。激活虚拟环境后,命令行提示符的前面应该会显示虚拟环境的名称。 阅读详情

相关推荐

用5毫欧采样电阻实现高精度电流检测?数字可调电源控制板的硬件设计陷阱

本文深入探讨了在数字可调电源控制板设计中,如何利用5毫欧采样电阻实现高精度电流检测。从微小信号放大电路设计、采样电阻布局与热管理,到电源切换与电池管理电路优化,提供了全面的硬件设计解决方案和实用技巧,帮助工程师规避常见设计陷阱,提升系统性能。

wdx0123456的博客 1030

物联网开发131 - Micropython ESP32 C3连接TB6600驱动42BYGH39步进电机

如何使用合宙ESP32 C3连接TB6600驱动42BYGH39步进电机,实现控制步进电机正反转和旋转指定角度等

zhusongziye的博客 2377

华为MA5620配置宽带及语音实例

华为EPON配置实例1、公共部分和宽带PPPOE部分用串口用户名密码root/mduadminMA5620E>enableMA5620E#configMA5620E(config)#MA5620E(config)#sysnamebigcow/给设备起名字/****之前为公共部一、建vlan和地址bigcow(config)#vlan100...

weixin_33862041的博客 6348

halcon 查找圆形

先找到大概位置进行拟合,然后再以拟合出的位置作为测量的大概位置进行找圆;

qq_59062726的博客 734

OpenMVS :用 colmap制作自己的数据集 重建(用colmap计算位姿,将位姿转为MVS需要的格式)

数据集制作主要是在windows进行,比较方便。

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 3326

2025_NIPS_Truthful Aggregation of LLMs with an Application to Online Advertising

大型语言模型(LLMs)生成内容的 revenue 变现是在线广告的下一个前沿领域。我们考虑这样一种场景:广告商旨在影响LLM的回复,而平台则寻求最大化广告商价值并确保用户满意度。核心挑战在于,广告商的偏好通常与用户偏好存在冲突,且广告商可能误报其偏好。为解决这一问题,我们提出MOSAIC——一种拍卖机制,它确保真实申报是广告商的占优策略,并使每个广告商的效用与其对社会福利的贡献保持一致。重要的是,该机制无需LLM微调或访问模型权重,且随着计算资源的增加,可证明收敛到最优微调LLM的输出。

c_cpp_csharp的专栏 82

56、Cortex - M33处理器浮点单元(FPU)的使用与优化

本文详细介绍了Cortex-M33处理器浮点单元(FPU)的使用与优化方法,涵盖单双精度浮点计算的选择、编译器命令行配置、ABI模式对比、特殊FPU模式设置(如Flush-to-Zero、Default NaN)、浮点异常处理机制以及FPU电源管理策略。结合代码示例和流程图,提供了在不同应用场景下的最佳实践建议,并总结了常见问题及解决方案,帮助开发者提升嵌入式系统中浮点运算的性能、精度与能效。

bread的博客 154

7、复杂分布式水文模型的两阶段代理参数校准框架

本文提出了一种针对复杂分布式水文模型的两阶段代理参数校准框架,旨在解决可变入渗能力模型(VIC)在参数校准过程中计算成本高、耗时长的问题。该框架结合AdaBoost与反向传播神经网络(BPNN)构建高精度代理模型,并引入ε-NSGA II多目标优化算法加速搜索最优参数集。通过在兰江流域和湘江流域的实验验证,该方法在校准效率上提升了约20倍,同时保持了高模拟精度(NSE接近1,Bias接近0)。框架采用两阶段设计:第一阶段(SM-I)快速筛选关键参数范围,第二阶段(SM-II)进行高精度预测,显著减少了无效计

apple5的专栏 87

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

上一篇: CentOS 安装Nvidia驱动+CUDA+cuDNN+Anaconda3
下一篇: 预训练权重加载
JimmyOrigin
博客等级 码龄7年 7粉丝 24原创
评论 1
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