Pycharm环境配置

部署运行你感兴趣的模型镜像

好久没用优快云了,这几个月在疯狂找工作,上周可算尘埃落定了。最近师弟期末周,有个大作业要用python,正好我电脑之前装了pycharm,然后帮他跑了下代码,记录下配置环境的时候遇到的问题。也算回归csdn的第一篇,因为未来的工作原因,后面可能除了会更新一些fpga的学习笔记还会记录一些机器学习的内容。

一、pycharm安装

pycharm的安装可以搜索到很多资料在这里不赘述了,也欢迎大家在评论区讨论。

二、新建工程

点击左上角的File选项,选择New Project,新建一个python工程。在Location中选择文件存储路径,就建立了一个新的工程。

如果直接想要打开一个现有的python文件,可以直接在FIle中选择Open来直接选择路径已经存在的python文件,直接打开即可。

三、pycharm中的库安装

在使用python中需要引入一些库来实现具体的操作。首先,在左上角的File中选择Settings选项:

可以看到Settings中包含了很多的选项,选择其中Project选项中的Project interpreter选项:

点开图中红色方框处的右上角加号,就可以直接搜索我们需要的库,点击install即可安装:

注意在安装库的时候需要挂梯子,如果出现安装失败的报错,一般是因为请求时间过长,因此一般通过进行镜像网站来下载。这篇文章中给出了常见镜像网站的地址:

Pycharm第三方库安装-使用镜像地址(安装速度快)_pycharm下载第三方库的镜像源-优快云博客

我一般喜欢在终端中进行下载,但是pycharm在配置中可能会出现几个不同的python路径,所以可以在使用终端下载前要确认好python的路径:

如果下载路径和Project Interpreter中选择的路径相同才可以保证下载的库可以被pycharm识别。使用pip进行库安装,后面的网址是镜像网站:

出现黄色的警告和错误就是因为使用了代理,当关掉以后新的库就安装成功了。

还有可能出现的一种问题是,当在terminal中输入pip时会显示无法识别命令,这是因为pip指令所在的路径没有被添加到终端的PATH中。

搜索环境变量设置,或者使用win+s打开界面,点击环境变量选项:

双击环境变量中的PATH,新建路径,将如下路径添加进去,此时重启终端和pycharm再键入pip就不会再出现无法识别的问题。

以上就是今天遇到的问题,在这里做个整理。后面还有一个文件是使用jupiter来写的,后面也需要系统的学习一下。

您可能感兴趣的与本文相关的镜像

Python3.11

Python3.11

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

本课题设计了一种利用Matlab平台开发的植物叶片健康状态识别方案,重点融合了色彩与纹理双重特征以实现对叶片病害的自动化判别。该系统构建了直观的图形操作界面,便于用户提交叶片影像并快速获得分析结论。Matlab作为具备高效数值计算与数据处理能力的工具,在图像分析与模式分类领域应用广泛,本项目正是借助其功能解决农业病害监测的实际问题。 在色彩特征分析方面,叶片影像的颜色分布常与其生理状态密切相关。通常,健康的叶片呈现绿色,而出现黄化、褐变等异常色彩往往指示病害或虫害的发生。Matlab提供了一系列图像处理函数,例如可通过色彩空间转换与直方图统计来量化颜色属性。通过计算各颜色通道的统计参数(如均值、标准差及主成分等),能够提取具有判别力的色彩特征,从而为不同病害类别的区分提供依据。 纹理特征则用于描述叶片表面的微观结构与形态变化,如病斑、皱缩或裂纹等。Matlab中的灰度共生矩阵计算函数可用于提取对比度、均匀性、相关性等纹理指标。此外,局部二值模式与Gabor滤波等方法也能从多尺度刻画纹理细节,进一步增强病害识别的鲁棒性。 系统的人机交互界面基于Matlab的图形用户界面开发环境实现。用户可通过该界面上传待检图像,系统将自动执行图像预处理、特征抽取与分类判断。采用的分类模型包括支持向量机、决策树等机器学习方法,通过对已标注样本的训练,模型能够依据新图像的特征向量预测其所属的病害类别。 此类课题设计有助于深化对Matlab编程、图像处理技术与模式识别原理的理解。通过完整实现从特征提取到分类决策的流程,学生能够将理论知识与实际应用相结合,提升解决复杂工程问题的能力。总体而言,该叶片病害检测系统涵盖了图像分析、特征融合、分类算法及界面开发等多个技术环节,为学习与掌握基于Matlab的智能检测技术提供了综合性实践案例。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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