1. 安装git 安装连接:http://git-scm.com/download/linux (LINUX) https://git-scm.com/downloads  (Windows) 2. 安装后配置环境变量 我的电脑右键 -> 属性 -> 左边栏高级系统设置 -> 环境变量 -> 系统变量 Path 内新建: 1. Python 安装路径 (可以是Anaconda 虚拟环境的python路径) 2. Anaconda 安装地址 3. Anaconda Script 目录

conda install cmake conda install gcc git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM mkdir build ; cd build cmake .. make -j 返回到下载的LightGBM cd LightGBM cd python-packages sudo python setup.py install

Vitis-AI集成 Vitis-AI是Xilinx的开发堆栈,用于在Xilinx平台(包括边端设备和Alveo卡)上进行硬件加速的AI推理.它由优化的IP,工具,库,模型和示例设计组成.设计时考虑到了高效率和易用性,充分发挥了Xilinx FPGA和ACAP上AI加速的全部潜力. TVM内部当前的Vitis-AI Byoc流可加速边端和云端的神经网络模型推理.支持的边端和云端深度学习处理器单元(DPU)的算子分别是DPUCZDX8G和DPUCADX8G.DPUCZDX8G和DPUCADX8G是

选用CUDA10.0镜像 添加nvidia-cuda和修改apt源 curl -fsSL https://mirrors.aliyun.com/nvidia-cuda/ubuntu1804/x86_64/7fa2af80.pub | apt-key add - && \ echo "deb https://mirrors.aliyun.com/nvidia-cuda/ubuntu1804/x86_64/ /" > /etc/apt/sources.list.d/c

MMDeploy的TensorRT教程 Step1: 创建虚拟环境并且安装MMDetection conda create -n openmmlab python=3.7 -y conda activate openmmlab conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch -y # install mmcv pip install mmcv-full==1.4.0 -f https://do

ubuntu 16.04 安装 tensorflow-gpu 包括 CUDA ,CUDNN,CONDA 显卡驱动装好了,如图: 英文原文链接: https://github.com/williamFalcon/tensorflow-gpu-install-ubuntu-16.04 英文内容: Tensorflow GPU install on ubuntu 16.04 update apt-get sudo apt-get update Install apt-get deps sudo apt

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

之前的python环境,使用ubuntu安装pip来安装python依赖,但是遇到缺少某些库的版本,比如一个项目需要用到faiss,pip只有最新的1.5.3版本,但是这个版本使用了较新的CPU指令,在老服务器上运行报错: Illegal instruction (core dumped) - in new version of FAISS #885 github上提示安装旧版本: If anyone else is struggling and wanna go back to previou

1. 由于安装源被墙转换为本地安装 例如要安装 boost-1.59版本,因为在默认源中没有,我们指定了特定源进行安装 conda install -c menpo dlib=boost-1.59 然后下载包时,因为网络问题,无法下载,报告如下错误. CondaError: CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://conda.anaconda.org/menpo/linux-64/boost-1.59.0-py27_

1.首先确保你的系统里已经安装了Conda,打开命令行窗口,执行命令:conda --version 2.查看你的系统当前已有的Python环境,执行命令:conda info --envs,从图中我们看到,我的机器里目前只有安装Anaconda时创建的默认Python环境,环境名称叫root,对应的Python版本是3.7 3.现在,我想添加一个Python2.7的环境,执行命令:conda create --name python27 python=2.7,命令中我制定了环境名称是pytho

版本查询 cpu tensorflow conda env list source activate tensorflow python import tensorflow as tf 和 tf.__version__ 1.11.0 keras conda env list source activate keras import keras 2.2.2 print(keras.__version__) import tensorflow as tf tf.__version__ 1.11.0

出现情形 当前conda版本:4.6.11 当使用git bash,无论是在vscode中,还是在桌面上打开bash,都会出现这个错误.但是在cmd中,就可以识别conda命令. 解决 该错误只在4.6.8到11中出现.其他版本应该没有什么问题.因此解决方案就是把conda降级. conda install -n base conda==4.6.7 选择Yes同意后,将会安装较低版本,此时再打开bash即可.

前言 之前虽略有提及Python,但是没有实际地写点料.惭愧,惭愧,所以这次先起个头,讲讲如何构建虚拟Python开发环境.相信之前看过我博客的人可能会想:博主不会又要聊聊Docker吧?放心,不会.首先Docker虽然适合构建虚拟Python容器,但是却存在一个问题--交互性.Python开发者必然是希望生成的软件具备可移植性.但是用Docker做移植是需要Docker build的.这样会使得开发过程变得极为不方便.所以我们需要聊聊除Docker以外,Python如何实现虚拟开发环境. 为什

摘要:相比于传统的软件开发,AI开发存在以下4个痛点:算法繁多:训练时间长:算力需求大:模型需手动管理,我们可以使用云上AI开发的方式来缓解以上4个痛点. 本文分享自华为云社区<git clone开启云上AI开发>,作者:ModelArts开发者. 已发布地址:https://developer.huaweicloud.com/develop/aigallery/article/detail?id=17052711-f3f5-4b53-bdbc-5d5c7cdc64fa 一.为什么需要云上AI

有种情况我们经常会遇到:某个工作中的项目需要包含并使用另一个项目. 也许是第三方库,或者你 独立开发的,用于多个父项目的库. 现在问题来了:你想要把它们当做两个独立的项目,同时又想在 一个项目中使用另一个. Git 通过子模块来解决这个问题. 子模块允许你将一个 Git 仓库作为另一个 Git 仓库的子目录. 它能让你将另一个仓库克隆到自己的项目中,同时还保持提交的独立. 开始使用子模块 git submodule add remotePath [localPath] 克隆含有子模块的项目 gi

我们已经从SVN 切换到Git很多年了,现在几乎所有的项目都在使用Github管理, 本篇文章讲一下为什么使用Git, 以及如何在团队中正确使用. Git的优点 Git的优点很多,但是这里只列出我认为非常突出的几点. 由于是分布式,所有本地库包含了远程库的所有内容. 优秀的分支模型,打分支以及合并分支,机器方便. 快速,在这个时间就是金钱的时代,Git由于代码都在本地,打分支和合并分支机器快速,使用个SVN的能深刻体会到这种优势. 感兴趣的,可以去看一下Git本身的设计,内在的架构体现了很多的优

版本控制 版本控制是什么已不用在说了,就是记录我们对文件.目录或工程等的修改历史,方便查看更改历史,备份以便恢复以前的版本,多人协作... 一.原始版本控制 最原始的版本控制是纯手工的版本控制:修改文件,保存文件副本.有时候偷懒省事,保存副本时命名比较随意,时间长了就不知道哪个是新的,哪个是老的了,即使知道新旧,可能也不知道每个版本是什么内容,相对上一版作了什么修改了,当几个版本过去后,很可能就是下面的样子了: 二.本地版本控制 手工管理比较麻烦且混乱,所以出现了本地版本控制系统,记录文件每次的

查看git版本号: git --version 如果是第一次使用Git,你需要设置署名和邮箱: $ git config --global user.name "用户名" $ git config --global user.email "电子邮箱" 检查你的设置 $ git config --list 或单独检查一项: $ git config user.name 「扩展」配置文件 配置文件在当前主文件夹下的.gitconfig文件 git config --gl

1. 注册一个账号和创建项目 先在git.oschina.net上注册一个账号和新建一个project ,如project name 是"myTest". 2.安装git sudo apt-get install git 3.Git 使用前的基本配置 git config --global user.name "你的名字或昵称" git config --global user.email "你的邮箱" 4. 配置终端显示,有颜色,方便阅读 gi

题外话 虽然这个标题很惊悚,不过还是把你骗进来了,哈哈-各位看官不要着急,耐心往下看 Git是什么 Git是目前世界上最先进的分布式版本控制系统. SVN与Git的最主要的区别 SVN是集中式版本控制系统,版本库是集中放在中央服务器的,而干活的时候,用的都是自己的电脑,所以首先要从中央服务器哪里得到最新的版本,然后干活,干完后,需要把自己做完的活推送到中央服务器.集中式版本控制系统是必须联网才能工作,如果在局域网还可以,带宽够大,速度够快,如果在互联网下,如果网速慢的话,就纳闷了. Git是分布