法一: win+R 打开资源管理 输入powershell.exe 法二: 额,,按住 shift 再右键...嘿嘿嘿

Q:因为移动了Anaconda3的安装目录,所以Anaconda3的相应应用程序启动不了,包括图标也会变白 解决方法:修改对应快捷键的属性,有对应的启动位置,修改下位置路径配置以及图标(Anaconda3->Menu) cmd启动jupyter notebook时,报错"Fatal error in launcher: Unable to create process using "d:program file\anaconda3\python.exe" "A

安装环境:win10+2070super 1.Cuda的下载安装及配置 (1)测试本机独立显卡是否支持CUDA的安装,点击此处查询显卡是否在列表中. (2)查看自己是否能右键找到NVIDA控制面板,如果没有,去电脑控制面板寻找,点击控制面板-硬件和声音,若还是没有,打开Microsoft Store寻找安装,若还是没有,重装系统 (3)首先打开Pytorch的官网查询目前最新的CUDA版本此处,也可安装旧文件,这里选择最新的版本.然后回到CUDA此处,找到与torch相对应的版本 (4)  接着

全真教程:Windows环境Jupyter Notebook安装.运行和工作文件夹配置 @ 目录 全真教程:Windows环境Jupyter Notebook安装.运行和工作文件夹配置 一.Jupyter Notebook简介 二.Jupyter Notebook安装 1.安装方式-使用Anaconda安装 2.安装过程中的有关选项的选择 三.Jupyter Notebook运行 1.命令行窗口运行Jupyter Notebook 2.快捷方式运行Jupyter Notebook 四.Jupyt

github上有个项目face_recognition,是用于人脸识别的 主要是window上安装这个项目会繁琐些,linux上据项目文档上介绍是妥妥的. 项目地址:  https://github.com/ageitgey/face_recognition 真机python版本:3.6.6 & 3.6.8  这两版本都可以,其他版本估计也行 第一步:先安装conda(conda一个为了管理混乱的python版本的一个包管理与环境管理的工具,包含了一些科研常用的库) 具体安装方法请自行搜索,我如

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.

上一期介绍了Anaconda的安装,本期介绍Miniconda的安装,它们共同的部分是Conda,确实如此.Conda是一个开源的包管理系统,本身的志向非常宏大,要为Python. R. Ruby. Lua. Scala. Java.JavaScript. C/ C++, FORTRAN提供包管理功能.同时,还能够跨平台使用,包括Windows. MacOS以及 Linux.在安装完成了Anaconda后就是用Conda命令来安装各种包,而不再使用Python的标准包管理器(Pip)来安装.同样

上期描述了如何在Windows下安装官方的Python3.8,本期描述如何安装Anaconda.建立Python环境这个话题,为何要大费周章.不厌其烦的叙述呢,主要的原因是: 所有的语言在设计时,都假定运行在一个纯净的环境下,但现实往往不是如此.经常在Windows下会安装多个版本的Python: Python在设计之初,也只设定自己运行在一个纯净的环境下.后期虽然又推出多种混合环境的解决方案,但带来的混乱比解决的问题更多,不用也罢: 环境问题导致的各种怪异现象,对于初学者掌握Python的信心

conda常用的命令 在Anaconda Powershell Prompt 输入: 1.conda -V检验是否安装及当前conda的版本. 2.conda list查看安装了哪些包 3.conda env list或conda info -e查看当前存在哪些虚拟环境 4.conda update conda检查更新当前conda 5.conda create -n env_name python=3.xPython创建虚拟环境 6.source activate your_env_nam(L

基于YOLO和PSPNet的目标检测与语义分割系统 源代码地址 概述 这是我的本科毕业设计 它的主要功能是通过YOLOv5进行目标检测,并使用PSPNet进行语义分割. 本项目YOLOv5部分代码基于 ultralytics YOLO V5 tag v5.0 . 相应地,我也使用了ultralytics/YOLOv5的预训练模型. 我通常使用两个最简单的预训练模型--yolov5s.pt和yolov5s.pt.你可以在./weights中直接看到它们. 在语义分割部分,我使用了PSPNet(全称

最近在使用Anaconda的过程中,发现在Win10的PowerShell在使用conda activate 环境名激活环境时无效,而CMD则可以.这里前提必须将Anaconda 写入环境变量.否则在PowerShell 输入conda 的任何命令都会无法识别. 首先在终端输入conda --version查看自己的anaconda版本. Conda版本低于4.6 解决方法如下: 用Win + X 组合键调出PowerShell 管理员模式: 输入命令conda install -n root

1.以管理员身份打开PowerShell 2. 执行conda install -n root -c pscondaenvs pscondaenvs 3. 执行 Set-ExecutionPolicy RemoteSigned 4. activate jj1env 就可以激活我的环境了.注意这里jj1env是我自己之前在anaconda里面创建的环境名. 参考链接: https://blog.csdn.net/kdongyi/article/details/81905494

博主经历了很多的坎坷磨难才找到一个比较好的在win10下安装TensorFlow的方法: 首先需要说明的是如果你想通过Anaconda来安装tensorflow的话,首先要确认你的python的版本是多少.如果在官网看的话,最新的版本是python3.6版本的: 虽然是可以安装最新版本然后把python版本降到3.5,但是不如直接的安装带python3.5的anaconda,这里有个所有版本的anoconda的版本的下载列表 https://repo.continuum.io/archive/,

在windows系统下通过安装Anaconda的方式安装的python使用中发现不能再通过pip安装python包.只能通过conda install packname 的方法,导致很多conda不支持的包无法安装(我遇到的是 request) 解决方法:打开Anaconde prompt 在该prompt中使用pip而不是命令行或者powershell中使用pip 问题顺利解决. 例如:在命令行pip install dlib                  报错 pip is config

standard procedure in pyCharm for creating environment when Anaconda installed Create a conda env via pyCharm open pyCharm create new project -- select Conda as New env using. Locations: ~\Anaconda_x\envs\py3env PythonVersion: python3.6 (python2.x as

作者:HELO 出处:http://www.cnblogs.com/HELO-K 欢迎转载, 转载时请保留此声明, 谢谢! 在这里整理一份全一点的 Conda 常用命令, 方便大家日常使用时参考, 一些命令也加入了一些针对初学者的更详细介绍, 大佬请忽略. 本文会不断更新, 记得使用页面搜索来找需要的命令哦, 对了, 网页端在某一行连续三击似乎可以选中当前行, 方便复制. 如果发现了错误, 欢迎指出, 我会尽快修改. # conda 添加国内源 # 添加国内源/通道, 默认源在国外, 国内访问较

python 对于初学者来说,原版的python在使用的时候非常麻烦,特别是在添加库.升级库的时候总是会报好多错误,缺这缺那.但是自从有了Anaconda以后,妈妈再也不用担心我用不了python啦! Anaconda相当于一个python的整合包,是一个开源的python发行版本,里面有各种科学包和依赖项,使用起来非常简单. 安装 安装非常简单.点击打开链接进入Anaconda的下载页面.选择你需要的配置进行下载,然后依照提示一步一步安装就可以了.安装完成后,打开cmd命令行窗口,输入pyth

anaconda确实很好用,省去了很多麻烦,现在我个人推荐直接使用anaconda. anaconda的特点:可以存在多个python环境,要使用某一个环境的话,就需要切换到这个环境,安装.卸载包都是在某一个特定的环境下进行的.所谓环境其实就是在不同的目录下安装不同的python和包而已,而切换环境就是切换一下目录. 基本操作: 创建一个python3.4环境: conda create --name python34 python=3.4 激活: activate python34 # for

前言 在win10系统中安装Anaconda,并创建虚拟环境,但是不明白为什么切换环境之后并未激活要使用的虚拟环境. conda常用命令 activate // 切换到base环境 activate learn // 切换到learn环境 conda create -n learn python= // 创建一个名为learn的环境并指定python版本为3(的最新版本) conda env list // 列出conda管理的所有环境 conda list // 列出当前环境的所有包 cond

Traceback (most recent call last): File "C:\Users\builder\Miniconda3\Scripts\conda-build-script.py", line 4, in <module> sys.exit(main()) File "C:\Users\builder\Miniconda3\lib\site-packages\conda_build\main_build.py", line 110, i