win10快速安装pytorch

首先安装一个anaconda

  • 这个很简单,直接去官网上下载即可

然后打开anaconda prompt

  • 如果需要创建一个虚拟环境则进入anaconda prompt敲入如下指令,不需要则省略
conda create -n pytorch python=3.6
activate pytorch
  • 添加清华镜像源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
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 --set show_channel_urls yes
  • 去pytorch官网复制安装指令
    在这里插入图片描述
  • 去掉指令最后的-c pytorch因为-c pytorch指定从默认镜像安装
  • anaconda prompt中敲入此指令
参考资源链接:[Python鸢尾花数据集主成分分析:降维效果与线性判别对比](https://wenku.youkuaiyun.com/doc/6nkb3n31hv?utm_source=wenku_answer2doc_content) 在进行数据降维和模式识别的研究中,主成分分析(PCA)和线性判别分析(LDA)是两项关键的技术。PCA用于降维,减少数据集的复杂度,而LDA则用于评估降维后的数据集在分类任务中的表现。以下是详细的实现步骤和方法: 首先,确保你已经安装了Python和scikit-learn库。接下来,导入必要的模块: ```python from sklearn.datasets import load_iris from sklearn.decomposition import PCA from sklearn.discriminant_analysis import LinearDiscriminantAnalysis as LDA from sklearn.preprocessing import StandardScaler from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score ``` 加载鸢尾花数据集,并进行初步的探索性数据分析: ```python iris = load_iris() X = iris.data y = iris.target ``` 数据标准化是PCA前的必要步骤,因为PCA对尺度敏感: ```python scaler = StandardScaler() X_scaled = scaler.fit_transform(X) ``` 接下来,使用PCA进行降维。为了比较降维的效果,我们先将数据降至两维: ```python pca = PCA(n_components=2) X_pca = pca.fit_transform(X_scaled) ``` 现在,应用LDA对降维后的数据进行分类,并评估结果: ```python lda = LDA(n_components=2) X_lda = lda.fit_transform(X_pca, y) ``` 为了验证分类效果,我们将数据集分为训练集和测试集,并训练一个简单的分类器(例如逻辑回归): ```python X_train, X_test, y_train, y_test = train_test_split(X_lda, y, test_size=0.3, random_state=42) # 这里使用逻辑回归作为示例分类器 from sklearn.linear_model import LogisticRegression model = LogisticRegression() model.fit(X_train, y_train) y_pred = model.predict(X_test) print( 参考资源链接:[Python鸢尾花数据集主成分分析:降维效果与线性判别对比](https://wenku.youkuaiyun.com/doc/6nkb3n31hv?utm_source=wenku_answer2doc_content)
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