小白搞 python 虚拟环境搭建

本文介绍了Python虚拟环境的搭建过程,包括在Windows和Ubuntu下的操作。通过`virtualenv`和`conda`创建虚拟环境,并详细列出了所需安装的库及其版本。在Windows下遇到的问题及Ubuntu的顺利体验也被提及,特别强调了`h5py`的数据集和组概念。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

啥啥也不是很懂的小白在大神的知道下装好了环境,凡事不要怕,马上开始做,也不会很难的!

 

  • windows下搭建虚拟环境

       命令: virtualenv 虚拟环境文件目录名

          eg: virtualenv [name]

         Ps:先进入virtualenv 所在的文件夹,利用上面命令建好

       进入虚拟环境:virtualenv\[name]\Scripts  执行Activate   

                                进入虚拟环境后就会,命令行开头会有(虚拟环境文件目录名

 

Create a conda environment named tensorflow by invoking the following command:

C:> conda create -n tensorflow pip python=3.5 
  •  

# To activate this environment, use: # > activate py36

# # To deactivate an active environment, use: # > deactivate

 

  • 配置环境

用 pip install 装完

h5py== 2.8.0 (2.7.1还需要安装Mircosoft Visual C++ 14.0)

Keras==2.1.4

numpy==1.15.3

opencv-python==3.4.3.18

pandas==0.23.4

scikit-learn==0.20.0

scipy==1.1.0

Pillow==5.3.0

scikit-image==0.14.0

imagaug==0.2.6

tensorflow cpu版本的一直装不上,可能是python版本要求3.5或者3.6,我目前是3.7,问题一直没解决,最后装了ubuntu,一切重装

 

 

  • Ubuntu下pyhton虚拟环境

 

  • 先装pip
sudo apt install pyhton-pip
  • 安装虚拟环境
pip install virtualenv
  • 创建python虚拟环境
virtualenv [虚拟环境文件目录名] --python=python3.5
  • 进入虚拟环境
source [虚拟环境文件目录名]/bin/activate
  • 退出当前虚拟环境

       deactivate

 

  • 使用 pip3 install 配置环境

tensorflow-cpu==1.11.0   

pip3 install tensorflow

h5py==2.7.1

Keras==2.1.4

numpy==1.14.1

opencv-python==3.4.0.12

andas==0.22.0

scikit-learn==0.19.1

scipy==1.0.0

Pillow==5.0.0

scikit-image==0.13.1

imagaug==0.2.5

PS:urbuntu真是方便啊,装完环境一个错都没报,windows各种报错,版本不合适呀!

 

h5py

h5py文件是存放两类对象的容器,数据集(dataset)和组(group),dataset类似数组类的数据集合,和numpy的数组差不多。group是像文件夹一样的容器,它好比python中的字典,有键(key)和值(value)。group中可以存放dataset或者其他的group。”键”就是组成员的名称,”值”就是组成员对象本身(组或者数据集)
 

 

### 关于YOLO环境搭建教程 #### 适合初学者的简易搭建指南 为了帮助零基础的学习者快速入门,一份简化版的YOLO环境搭建指南被提供出来[^1]。这份文档不仅涵盖了必要的安装步骤,还包含了详细的解释说明,使得即使是初次接触深度学习框架的人也能够顺利完成设置。 #### 准备工作与工具选择 在开始之前,确保计算机满足最低硬件需求,并准备好所需的软件包和库文件。对于标注图像数据集而言,建议采用`labelImg`作为主要工具来创建YOLO格式的数据标签[^4]。该应用程序易于操作且能直接导出符合YOLO标准的`.txt`文件,极大地方便了后续处理流程。 #### 安装依赖项及配置虚拟环境 按照官方文档指示下载并安装Python及相关版本的pip管理器之后,就可以通过命令行界面执行一系列指令来进行环境初始化: ```bash conda create -n yolov5 python=3.8 conda activate yolov5 pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 pip install -r requirements.txt ``` 上述代码片段展示了如何基于Anaconda平台建立一个新的名为yolov5的虚拟环境,并安装PyTorch以及其他必需组件。 #### 测试环境有效性 一旦所有准备工作完毕,则可以通过加载预训练权重文件并对测试图片实施推理过程的方式来验证当前系统的可用性。这一步骤至关重要,因为它可以帮助确认整个架构是否正常运作[^2]。 #### 数据集收集与整理 针对特定应用场景(比如识别猫咪),需先搜集足够的样本素材构成自定义数据集。这部分工作中涉及到了解目标类别特征、规划拍摄角度等多个方面的工作[^3]。 ---
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