前言: 本篇文章主要讲解的是在学习人工智能之深度学习时所学到的知识和需要的环境配置(安装Anaconda3和TensorFlow2步骤详解),以及个人的心得体会,汇集成本篇文章,作为自己深度学习的总结与笔记. 内容主要是人工智能和深度学习的简介.环境配置和简单的python实例演示. 对于刚了解人工智能基本常识和具有Python基础的人,再来看本篇文章,就会对人工智能之深度学习有种豁然开朗的感觉,也是对人工智能学习的一种进阶. PS:开发工具包在文章末尾,有需要或者有问题可以评论区留言讨论 一.

一.背景说明 前两天想重新研究下Scrapy,当时的环境是PyCharm社区版+Python 3.7.使用pip安装一直报错 “distutils.errors.DistutilsPlatformError: Microsoft Visual C++ 14.0 is required” “Command "python setup.py egg_info" failed with error code 1 in C:\Users\ADMINI~1\AppData\Local\Temp\

(实战项目应用) 1. 下载Miniconda 两个安装方式: 方式1:wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.2-Linux-x86_64.sh 方式2:选择下载安装包 "Miniconda3-py37_4.8.2-Linux-x86_64.sh" 2. 安装Miniconda 安装过程默认:具体过程为:yes->enter(回车)->yes 3. 检

背景: conda 是一个python的计算环境,minicoda 可以看做是conda的精简版 官网: https://conda.io/miniconda.html 安装: miniconda 支持多个操作系统,根据自己的操作系统选择对应的安装包 以 Linux 平台,python 2.7 为例, 安装过程如下: wget https://repo.continuum.io/miniconda/Miniconda2-latest-Linux-x86_64.shbash Miniconda2-

https://www.waitalone.cn/anaconda-install-error.html         3,224   1.Anaconda概述 Anaconda是一个用于科学计算的Python发行版,支持 Linux, Mac, Windows系统,提供了包管理与环境管理的功能,可以很方便地解决多版本python并存.切换以及各种第三方包安装问题.Anaconda利用工具/命令conda来进行package和environment的管理,并且已经包含了Python和相关的配套

安装python 之前安装python包,导致了python里面的包不兼容,用管理工具卸载也下载不掉,重新安装也安装不上,没有办法只能卸掉python重装. 安装Anaconda Anaconda指的是一个开源的Python发行版本,其包含了conda.Python等180多个科学包及其依赖项.conda也是一个非常好用的管理工具,只不过1500多个包自己用不了多少,我就选只Minicoda,是Anaconda的精简版本,只含有python和conda管理包. 清华大学Miniconda镜像 M

1.安装jupyter 由于miniconda是anaconda的简化版,只有一个prompt: 安装jupyter,只需要打开prompt的dos窗口,输入命令pip install jupyter即可自动安装: 安装完成后,只需要输入jupyter notebook即可启动,但注意这样安装的jupyter是没有程序图标的,只能用cmd启动.并且根目录下的Anaconda3变成了Miniconda3.但不影响后续使用. 2.jupyter使用 新建一个python3文件,然后就可以编程了! 自

参考博客:https://blog.csdn.net/weixin_44170512/article/details/103990592 (本文中部分内容引自参考博客,请大家支持原作者!) 感谢大佬的教程,真的非常的通俗易懂! 这里我安装的是Tensorflow2.3cuda版,也就是GPU版本,要安装CPU版本的小伙伴请勿参考本文! 安装步骤 注意:1.安装过程中需要C盘预留出10~15G左右的空间(实际上不需要这么多,为了保险起见尽量多留一些空间) 2.GPU版本需要你电脑的GPU支持Cud

conda环境配置 安装conda [清华源下载地址](https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/) 官网或百度云网盘下载对应版本进行安装 配置源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghu

集群环境下安装conda进行软件管理.Miniconda是Anaconda的简化版,对于一般需求而言就够用了.因此,我这里安装Minconda3进行软件安装管理. 安装 Miniconda下载地址,版本根据所需选择下载. wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh sh Miniconda3-latest-Linux-x86_64.sh #后续根据提示选择安装路径或添加到环境变量即可 也可手

0.前言 今年暑假买了个1660ti的游戏本学python,后来发现跑一些数据量比较大的代码和深度学习的时候太慢了,遂想装一下GPU版本,看了网上的资料搞了好几天,又是CUDA又是cudnn的,网速慢不说,装完还各种报错,最后发现随着anaconda和tensorflow的更新,现在利用anadonda只要一行命令就能完成.(装好虚拟环境后,直接看4.2) 1. 安装anaconda 这部分没啥难度,只要注意两点: 1.去官网下载https://www.anaconda.com/distribu

最近在看小甲鱼的书,学习学习爬虫,其中有一块是通过Miniconda3安装Scrapy,结果却遇到了下面的错误:fatal error in launcher:unable to create process using  '"c:\bld\scrapy_1564674375870\_h_env\python.exe" "E:\Miniconda3\Scripts\scrapy.exe"'. 解决方法是:检查错误中提到的两个磁盘目录是否都存在,不存在的话就创建它,然

      背景:我的机器上tensorflow 1.14 & 2.0,这俩版本都有,之前都是用1.14版本,今天试一下2.0尝尝鲜, 结果就掉坑去了 把CUDA10.1 和 cudnn 安装好了 随便写了一段测试代码,用 tf-gpu 跑一下,结果就出现问题了 Bug 如下: Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found 这尼玛啥情况,难道是CUDA 和cudnn 版

pip install -U --ignore-installed wrapt enum34 simplejson netaddr 参考:https://bugs.launchpad.net/rally/+bug/1764545

pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple import tensorflow as tfprint(tf.__version__)#输出'2.0.0-alpha0'print(tf.test.is_gpu_available())

anaconda是用于科学计算的python发行版本(可用于python虚拟环境的管理),miniconda是简化版的anaconda 1.下载安装miniconda 下载miniconda 因为Anaconda的安装包太大了(最新版的Anaconda3-5.3.1足足有630多MB),所以我们在这里只安装miniconda. 如果你对自己的网速比较有自信可以试试从官网下载miniconda官网 不过我还是建议你从国内的网站下载,清华源就是一个比较好的镜像网站上面也有很多其他资源,在这里就不赘述

序言 对于想要入门Python或者深度学习的初学者而言,配置环境一直是一个令人头疼的问题.相信有许多人经历过安装第三方包失败,安装好了却在使用中报错,安装CUDA.tensorflow.pytorch版本不匹配等等令人头大的问题,我也曾被这些问题所困扰.经过这两三年时间中反复重装环境的痛苦过程,直到现在我才逐渐能够独立.流畅地配制出一个令人满意的环境.在这个过程中,我也帮助了许多遇到这些问题的朋友,收获了一些经验教训,因此我希望将这一完整的过程写成博客,帮助在这方面遇到困难的人. 在这个系列的博

目前,由于3060显卡驱动版本默认>11.0,因此,其不能使用tensorflow1版本的任何接口,所以学习在tf2版本下的目标检测驱动是很有必要的,此配置过程同样适用于任何30系显卡配置tf2. 一般配置Anaconda比较简单,这里便跳过,选用的anaconda版本为Anaconda3-2020.11-Windows-x86_64,可以在清华镜像官网上下载. 1,配置安装conda 本次选用的tensorflow版本为2.4,cuda为11.0,cudnn为8.0,对应python为3.7

目录 问题描述 安装 tensorflow-cpu-2.0 编译 Nvidia Samples 问题描述 网上已经很多关于配置CUDA的文章,自己这篇文章只是个大致的安装步骤,文章重点是安装和配置的一些细节,而至于具体的步骤(比如软件怎么下,环境变量怎么配等)请自行搜索,我相信大家也不会只参考一篇文章,如有指正或疑问请评论留言,谢谢! 安装 tensorflow-cpu 安装 tensorflow-gpu-2.0,并配置 CUDA 编译 Nvidia Samples 环境:Win10:GPU--

在网上找了许多安装Caffe的教程 感觉全都是杂乱无章的 而且也没有详细的 只能自己当小白鼠来实验一次了 本次配置:CUDA 8.0+ CUDNN  +VS 2015 +Python 3.5 + Caffe 1.安装CUDA 安装还是非常简单的 直接点安装就可以了,注意在这里要选择自定义,而后勾选所有组件下载: 全部勾选: 而后一直next就可以了,安装过程中可能会出现黑屏是正常的 官方教程上面是CUDA 7.5或8.0  此处使用的是VS2015,就只能使用8.0了(注:电脑的显卡必须是英伟达