virtualenv基本使用

本文介绍如何使用virtualenv创建独立的Python虚拟环境,避免项目间的依赖冲突。通过创建沙箱,每个项目可拥有自己的环境,降低相互污染风险。文章还介绍了如何安装virtualenv,创建指定Python版本的环境,以及在Windows和Linux下激活环境的方法。

1.解决各种库和版本之间的干扰,引入了virtualenv,虚拟沙箱这个概念。

2.沙箱作用
在本地会创建一个环境,与这个环境外,系统内部环境互不干扰,可以为每一个项目创建一个单独沙箱,降低项目被其他项目污染

3.安装
pip install virtualenv

4.创建不同python版本的沙箱
系统默认python版本:virtualenv my_project_env
指定python版本:virtualenv -p /usr/bin/python2.7 my_project_env
同理:virtualenv -p python2 my_project_env
创建了一个my_project_env沙箱,这时环境是干净的,没有其他依赖包

5.进入到虚拟环境
cd my_project_env
cd Scriptts
windows环境:activate
linux环境:source activate
ok,进入到创建的环境
这里写图片描述

6.pip 安装 依赖包,ok
这里写图片描述
建议在linux环境开发,一次性安装成功,windows环境有些Python开发第三方库总和Windows底层类库冲突

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
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