说明:本机系统为 win10 64 位, base 是集成于 Anaconda3 的 64 位的python,以下是创建虚拟环境 py366-32,安装 3.6.6 版的 32 为python,把 3.6.6 版的 32 为 python 添加到 Jupyter notebook 内核中的过程 . 1.创建虚拟环境 conda info # 查看 canda 信息 64 位的平台,需修改为 32 位. set conda_force_32bit=1 2.创建虚拟环境 py366_32,安装指定版

一.在jupyter中安装虚拟环境内核 1.创建Python3虚拟环境 参考本文其他博客 2.进入虚拟环境 3.安装jupyter pip install jupyter 4.添加当前环境到jupyter kernel python -m ipykernel install --user --name=py3 二.jupyter中选择kernel 1.列出jupyter kernel jupyter kernelspec list 2.删除kernel jupyter kernelspec un

一. 不同用户下配置virtualenvwrapper的问题 问题描述: 安装virtualnev和virtualnevwrapper之后,在.bashrc进行virtualenvwrapper的相关配置后重新加载.bashrc文件时报错. 报错内容大致如下: /usr/bin/python: No module named virtualenvwrapper virtualenvwrapper.sh: There was a problem running the initialization

虚拟环境 conda create -n python36 python=3.6 使用以下命令激活: activate python36 Notebook 安装插件 conda install nb_conda 之后打开notebook jupyter notebook 新建中就会出现虚拟环境 Lab 在ipython中安装这个虚拟环境 python -m ipykernel install --name python36 之后打开lab jupyter lab 就可以发现多了一个kernel

jupyter指定环境启动 背景 系统环境中安装有jupyter及相关库,因项目需要,新建了一个torch相关的虚拟环境并安装了对应的内容, 此时,想通过系统中的jupyter启动一个可以应用虚拟环境相关包的服务. 查看当前服务相关信息 import os, sys print(sys.executable) # works this time print(sys.version) print(sys.version_info) 尝试1:只是在虚拟环境中启动jupyter source到虚拟环境

    在虚拟环境tf中安装完tensorflow后,在虚拟环境tf打开的jupyter里发现只有一个kernel-python3,新建一个文件, import tensorflow as tf ,发现报错,没有tf这个模块.    一开始还以为是tf的问题安装失败,后来才意识到是jupyter的问题.因为在虚拟环境tf中,虽然有jupyter(或者自己再安装pip install jupyter,他会提示说已存在),但这个jupyter还是原python环境中的jupyter.在虚拟环境tf中

第一步 建立虚拟环境 cmd下: pip install virtualenv 创建虚拟环境目录 env 第二步:激活虚拟环境 进入虚拟环境下的script目录 第三步:创建一个flask文件夹并打开 第四步:在pychram中指定这个项目的解释器

本人电脑是windows系统,装了Python3.7版本,但目前tensorflow支持最新的python版本为3.6,遂想再安装Python3.6以跑tensorflow. 因为看极客时间的专栏提到Jupyter是个科学运算语言的计算工具,特别适合机器学习与数学统计,因此也要装个体验一翻. 一.安装Python 电脑原先已经装了Python3.7,virtualenv,virtualenvwrapper,jupyter notebook. 在官网上直接下载windows版本的python3.6

现在python3已经成为主流的python环境,大部分的package都兼容python3,仍然有一小部分,或者说是某一领域的package需要使用python2.本人现在主要在利用python做机器学习和深度学习,因此对python2还是有一定的需求. 对于一般的package而言,python3都已经很好的兼容,学习机器学习,基本上直接安装Anaconda3即可.而深度学习大多数的框架对windows支持的不是很好,而且部分框架还对python的版本有一定的要求,name最理想的情况是,机

CentOS使用virtualenv搭建独立的Python环境-python虚拟环境 virtualenv可以搭建虚拟且独立的python环境,可以使每个项目环境与其他项目独立开来,保持环境的干净,解决包冲突问题. 一.安装python 可-编译安装:可-yum安装 二.安装virtualenv yum源安装: yum install python-virtualenv virtualenv实际上是一个python包,所以我们可以用easy_install或者pip安装.  easy_insta

conda创建虚拟环境 1.查看包 conda list查看安装了哪些包 conda env list查看有哪些虚拟环境 conda -V查看conda的版本 2.创建虚拟环境,命名为myflaskapp,n就是指name:并安装flask包. Note that the conda create command requires that you give it the name of a package to install in the new environment. conda命令创建

python3.6下载地址:https://www.python.org/ftp/python/3.6.4/Python-3.6.4.tgz linux下python环境配置 统一目录: 源码存放位置 $HOME/tools 安装目录: /application 安装python环境: 1. 下载 # 创建下载目录 mkdir $HOME/tools # 切换到tools统一管理源码目录 cd $HOME/tools wget https://www.python.org/ftp/python/

1. 前提: 安装前服务器情况,已经安装好了: CUDNN=7.3.0 CUDA=10.0.130 Opencv 2.4.13 相应命令为: cuda 版本 cat /usr/local/cuda/version.txt cudnn 版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 opencv版本 pkg-config opencv --modversion 2. 准备caffe, python环境 从https://

virtualenv 是一个创建隔绝的Python环境的工具.virtualenv创建一个包含所有必要的可执行文件的文件夹,用来使用Python工程所需的包.创建的环境是独立的,互不干扰,无需sudo权限即可使用 pip 来进行包的管理. 第一步安装包: sudo pip install virtualenv sudo pip install virtualenvwrapper 第二步:创建目录用来存放虚拟环境 mkdir $HOME/.virtualenvs 第三步:进入家目录找到.bashr

一 安装包 pip3 install virtualenv virtualenvwrapper 二 设置linux的用户个人配置文件~/.bashrc WORKON_HOME=~/Envs 设置virtualenv的统一管理目录,以后自动下载的虚拟环境,全都放这了 VIRTUALENVWRAPPER_VIRTUALENV_ARGS='--no-site-packages' 添加virtualenvwrapper的参数,生成干净隔绝的环境 VIRTUALENVWRAPPER_PYTHON=/opt

1 问题描述 当M个项目需要N个版本的python环境配置时(M>N)时,我们没有必要对每个项目都创建一个虚拟环境,只需要创建N个虚拟环境即可.这样节省了大量存储空间(特别是当M远大于N时).但要怎么进行创建这N个环境并对这些环境进行管理呢? 2 问题解决思路 通过三方包virtualenvwrapper-win来解决.virtualenvwrapper-win是一个基于virtualenv开发的工具包.它可以将分散在各个路径下的虚拟环境,集中到统一的路径下进行管理,方便各个虚拟环境之间的切换.

深度学习的代码,好多都需要安装一些安装包,在服务器上安装需要权限就很麻烦.看到网上有说把这些安装包一个个下载下来上传到服务器再安装,心累,想想工程量就很大~~~ 这时候就可以在anaconda中新建虚拟环境,把这些需要的安装包都装到一个虚拟环境里面. 首先,找到conda的路径.服务器上的conda在/usr/local/anaconda3/bin,注意直接cd到这个目录输入conda会找不到,可以留个bin下来. conda -V 得到conda的版本 conda env list查看当前设置

前提条件:安装好python环境并配置好环境变量(可参考另一篇博文,python安装及配置) 1.打开cmd命令终端 pip3 install virtualenvwrapper-win(我电脑上面已经安装过了,所以再出入命令的时候,会天使 已经存在并告知安装地址) 2.创建虚拟环境 mkvirtualenv test ------基于默认的python版本创建一个名为test的虚拟环境,会自动安装一些基础的依赖包,并自动进入该环境. mkvirtualenv -p python版本及安装路径

网上提交 scala spark 任务的攻略非常多,官方文档其实也非常详细仔细的介绍了 spark-submit 的用法.但是对于 python 的提交提及得非常少,能查阅到的资料非常少导致是有非常多的坑需要踩. 官方文档对于任务提交有这么一段介绍,但是初次使用者依然会非常疑惑: Bundling Your Application’s Dependencies If your code depends on other projects, you will need to package the

本地环境 通常我们登录就是后就是本地环境 本地环境下查看pip安装了那些包 pip3 list 可以看到本地环境下我们安装的是django1.11.16版本,现在我有个项目要使用django 2.0以上的版本,那你怎么办,重新安装?NO! 我们可以使用虚拟环境,如何使用1虚拟环境,我现在来教你米 下载virtualenv 在本地环境下用pip下载 pip3 install virtualenv -y 查看下现在已安装的包: 可以看到virtualenv 已经安装到了本地环境 virtualenv