conda环境下配置各种库

conda环境下:

安装opencv:

conda install --channel https://conda.anaconda.org/menpo opencv

安装TensorFlow1 用pip

pip install tensorflow==1.14.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com module_name

安装fasis

从git上fork别人代码后,创建分支,开发:

方法

如果提交代码有问题:解决办法a

安装CUDNN,根据CUDA版本安装,选择runtime ubuntu deb 关键字的

sudo dpkg -i libcudnn8-dev_8.1.0.77-1+cuda11.2_amd64.deb

 

### 如何在Conda环境配置和管理 #### 创建新的Conda环境 为了更好地管理和隔离不同项目的依赖关系,建议为每个项目创建独立的Conda环境。可以通过如下命令创建新环境并指定Python版本: ```bash conda create -n myenv python=3.8 ``` 这会建立名为`myenv`的新环境,并设置Python版本为3.8[^2]。 #### 激活与停用Conda环境 激活刚刚创建好的环境以便在其内部安装所需的软件包: ```bash conda activate myenv ``` 当完成工作后可随时退出当前活动环境: ```bash conda deactivate ``` #### 安装常用科学计算 对于大多数数据处理任务而言,NumPy, Pandas等基础几乎是必不可少的选择之一。可以直接利用`conda install`指令快速获取这些资源: ```bash conda install numpy pandas matplotlib seaborn scipy scikit-learn jupyterlab ``` 上述操作将会自动解析所有必要的依赖项并将它们一同下载下来[^1]。 #### 使用Pip补充缺失组件 尽管Anaconda发行版已经包含了大量预编译二进制文件形式发布的流行开源项目,但仍有一些较新的或是较为冷门的小众模块可能并未被收录其中。此时就可以借助于`pip`来进行扩展性的安装了: ```bash pip install some_missing_package --upgrade ``` 值得注意的是,在混合使用两种方式时需谨慎行事以免引发潜在冲突问题;通常推荐先尝试通过官方渠道即`conda-forge`或默认源去寻找目标程序包再考虑其他途径[^3]。 #### 更新现有至最新稳定版 随着时间推移以及开发者社区不断贡献改进成果给各个开源工程带来日臻完善的体验的同时也意味着我们所使用的旧版本可能会逐渐落后甚至存在安全隐患因此定期执行升级动作十分必要: ```bash conda update --all ``` 此命令能够帮助用户一次性将整个环境下所有的已知可用更新全部应用上从而保持系统的先进性和安全性水平。 #### 卸载不再需要的 如果某些特定功能已经被弃用或者有更好替代方案的话,则应该及时清理掉冗余部分以减少不必要的开销: ```bash conda remove package_name ``` 以上就是关于如何在Conda环境中高效地配置和管理系统级以及其他第三方类别的各类的相关指导说明。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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