深度学习-环境准备

最新推荐文章于 2025-12-22 13:59:14 发布
原创 最新推荐文章于 2025-12-22 13:59:14 发布 · 210 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #numpy #conda

部署运行你感兴趣的模型镜像

安装python，miniconda(最后步骤关于python环境变量部分全部勾选)，pycharm

关于离线安装numpy和matplotlib（我的环境连不上网）

我们先去 PyPI · The Python Package Index 下载离线包
在搜索框搜索你的包名称，这里是 matplotlib

下载后保存到本地目录，然后打开cmd

使用pip instal matplotlibxxxx

安装时如果有提示 connect xxx 超时    一段提示 /sample/six

则需要先下载six 进行安装。

然后继续 使用pip instal matplotlibxxxx，根据提示 继续进行依赖组件安装

知道 安装成功

至此环境准备完成。后面可以开始学习了

您可能感兴趣的与本文相关的镜像

Python3.8

Python3.8

Conda
Python

Python 是一种高级、解释型、通用的编程语言，以其简洁易读的语法而闻名，适用于广泛的应用，包括Web开发、数据分析、人工智能和自动化脚本

clz1314521
关注
新手小白跑深度学习-准备篇
qq_61768843的博客
03-07 3479
小白深度学习的入门经历
[深度学习 - 目标检测 ] yolact 环境配置
南城同学的博客
03-08 3351
1. 准备 1.1. 代码库 https://github.com/dbolya/yolact 1.2. 编译教程 教程一 https://www.bilibili.com/video/av243457426/ 教程二 https://blog.youkuaiyun.com/excelNo1/article/details/122228942 教程三 https://blog.youkuaiyun.com/qq_41915882/article/details/119971992?spm=1001.2
深度学习--GPU环境准备
LittleRuby的博客
11-29 2260
tensorflow库在2.11及以上的版本中，都取消了对Windows平台的GPU支持，因此本机安装的tensorflow版本为2.10.1，tensorflow与cuda版本需要版本匹配，查看tensorflow2.10.1对应cuda11.2版，因此我这里下载的版本为11.2.0版。现在需要重启电脑，然后Win+R进入cmd界面，输入nvcc -V，出现如下界面，代码cuda已经安装成功了。找到环境变量-系统变量-path，分别将如下三个变量添加进去，完成安装。笔记本：联想14pro(含雷电4接口)
深度学习-环境配置
m0_37826094的博客
05-23 3481
转自：江南小赣 链接：https://blog.youkuaiyun.com/qq_26412763/article/details/90272491 win10深度学习环境搭建 前言：之前安装各种软件查各种网站弄得特别麻烦，所以写下一篇完整的文章来记录整个操作流程。在anaconda下，搭建的环境是python3.6+cuda9.0+opencv3.3+tensorflow_gpu1.11+pytorc
深度学习---框架流程
MzKyle的博客
04-28 3090
一、数据准备二、模型构建三、模型训练四、模型验证五、模型优化六、模型推理
深度学习环境配置
weixin_50774318的博客
07-12 1933
1.2、查看电脑适合的CUDA版本：桌面鼠标右键，打开NVIDIA控制面板，选择打开系统信息，点击组件，查询电脑支持的CUDA的最高版本（或者也可以选择：win+r – cmd – nvidia-smi查看版本）。1.1、下载需要运行的代码，明确需要配置的环境条件（一般在requirement.txt文件中，或者README.md文件中）；找到需要下载的版本，复制与前面安装的CUDA一致的版本的代码，直接在虚拟环境的命令行窗口中粘贴，并点击回车。查看环境中已经安装的库：pip list。
01 动手学习深度学习-配置环境pytorch
qq_44653420的博客
03-31 2583
01 动手学习深度学习-配置环境pytorch 一、需要的配置以及准备 学习环境：windows10 + anaconda + python3.7 + jupyter notebook + cuda + cudnn GPU版本：CUDA（11.6）+ cudnn(相应cuda版本) 二、安装anaconda 参考：https://blog.youkuaiyun.com/qq_44653420/article/details/122111441?spm=1001.2014.3001.5502 检查conda的版本：c
动手学深度学习-准备工作-利用WSL2安装Ubuntu系统并搭建深度学习环境
m0_53397118的博客
06-18 3474
利用微软虚拟机wsl2安装ubuntu并进行深度学习环境搭建，解决了双系统切换麻烦，其他虚拟机运行卡顿且英伟达驱动安装麻烦的问题
深度学习-训练模型
weixin_43343389的博客
12-07 4069
训练模型 深度学习技术能很好的解决物体识别能力泛化的问题。但是从头开始设计、实现、训练和验证模型，是一个非常耗时耗力的工作。那么tensorflow object detection api框架，以及在coco数据集、kitti数据集和open images数据集上训练好的模型，免除了深度学习模型研发的工作，让工程师可以直接在预训练模型上做迁移学习。 1、使用tensorflow预训练模型 一个典型的深度学习训练流程： 准备图片–标注图片–训练模型–导出冻结图 1.1准备图片 准备图片和标注是整个训练流程中
Halcon深度学习1 -- 环境搭建及准备工作-halcon18版本下载安装
fengyingv的博客
10-07 6832
前言 最近自己在学习Halcon深度学习，踩了非常多的坑，也在网上寻找了非常多的关于深度学习的视频和教程，但都是只言片语，很难按照如此进行顺利完成自己的程序，在一个星期多的不断摸索查询中才顺利将深度学习中的官方案例运行成功，并解读案例中的每一行代码。最终实现可以使用案例模板进行检测自己的目标物，所以在此记录下自己过程，为后来者提供借鉴； 软件准备 我用的是18 版的Halcon，想要顺利跑通需要以下准备： 1、安装halcon软件及深度学习软件： Halcon-18.11.1.0-windows.ex
深度学习-标注工具-ISAT-SAM
08-21
它是一个专门为深度学习研究人员和工程师准备的软件工具，可能是一个独立的应用程序，也可能是一个能够集成到现有工作流程中的插件。无论哪种形式，都表明了其在深度学习工作流程中的重要地位，尤其是在数据准备阶段...
深度学习 - 完整教程与源码
09-12
环境准备 在开始学习深度学习之前，我们需要准备以下开发环境： 1. 开发工具：推荐使用专业的IDE，如IntelliJ IDEA、VS Code等 2. 运行环境：根据具体技术栈安装相应的运行时环境 3. 依赖管理：配置好项目的依赖...
Halcon深度学习-企业项目实战（芯片贴合外观缺陷检测）-OK图片
05-04
在本项目中，我们主要探讨的是使用Halcon深度学习技术进行企业级的芯片贴合外观缺陷检测。Halcon是一款强大的机器视觉软件，尤其在图像处理和模式识别领域有着广泛的应用。深度学习作为人工智能的重要分支，它能通过...
SAM训练自己的数据集
最新发布
sunshineine的博客
12-22 725
本文介绍了SAM（Segment Anything Model）模型的训练流程。主要内容包括：1）数据集预处理，涵盖自定义数据集标注（使用labelme工具）、公开数据集准备以及数据格式转换；2）创建SAM项目，包含代码上传、服务器环境配置（Python 3.8、CUDA 11.8等）和依赖项安装；3）模型训练过程，详细说明了参数配置、损失函数选择（DiceCELoss）、训练循环实现以及结果可视化方法。文章提供了完整的技术实现路径，包括数据预处理、模型训练和结果评估等关键环节，并附有相关参考文章的详细链接
python __init__.py的意义与使用
CoolGirl
12-19 832
本文介绍了Python中利用__init__.py文件优化模块导入的两种方式。当__init__.py中已导入子模块时，外部可直接使用简洁导入语句（如from project.input import FileInput）；若未导入则需完整路径导入。通过示例对比展示了不良设计（需完整路径导入每个子模块）和良好设计（在__init__.py中集中导入并定义__all__），后者使主程序导入更简洁清晰。合理使用__init__.py能显著提升代码可读性和维护性。
MobaXterm 高效运维实战：从入门到进阶的 Linux 运维 “瑞士军刀” 用法
hy行者勇哥的博客
12-18 895
MobaXterm 作为 Linux 运维的 “全能工具包”，不仅集成了 SSH 终端、SFTP 文件传输、X11 图形转发等基础功能，更隐藏着批量执行、宏命令、会话分组等高级特性，能轻松解决新手常遇到的 “重复操作繁琐”“多服务器切换麻烦”“文件传输低效” 等痛点。本文用 “运维指挥中心” 的通俗比喻，拆解 MobaXterm 的核心架构，针对 Linux 运维中的高频问题，分享可直接上手的高级技巧与自动化脚本案例，帮助新手快速从 “手动跑腿” 升级为 “高效指挥”，大幅提升运维效率。
ColoredElevationMap 根据标量进行颜色映射
BoBoZz19的博客
12-22 138
本文只是教程内容的一小段，因博客字数限制，故进行拆分。本段代码主要涉及的有①标量的颜色映射。
C++23中的模块应用说明之一基础分析
fpcc的专栏
12-20 613
C++20模块机制解析：摆脱头文件困境的新范式 本文分析了C++20引入的模块机制，旨在解决传统头文件带来的编译污染、命名冲突等问题。模块通过export显式控制接口导出，提供更安全的代码组织方式。文章详细介绍了模块应用的五个方面：接口与实现分离、export规则限制、文件命名规范、全局模块片段（兼容传统头文件）和私有模块片段的使用方法，并提供了具体示例代码。与Go、Java等语言的包管理机制类似，C++模块通过显式接口导出和严格作用域控制，实现了更高效的编译管理和更清晰的代码组织。作者建议开发者参考其他语
Python数据可视化速成指南
weixin_45292939的博客
12-22 276
极坐标：使用(角度, 半径)表示点plt.show()
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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