conda设置源之后出现了问题,报错condaHTTPError: 之前按照网上的一些教程设置了清华源之后,过了一段时间,今天来装新的库时报了以上错误,特此记录一下. conda 源重新设置 重新去清华源官网看了下设置,搬运如下设置项.首先 vim ~/.condarc 然后加入官网的配置: channels: - defaults show_channel_urls: true channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anacon

更换pip源: 1.在windows文件管理器中,输入 %APPDATA% 2.在该目录下新建pip文件夹,然后到pip文件夹里面去新建个pip.ini文件 3.在新建的pip.ini文件中输入以下内容 [global] timeout = 6000 index-url = http://pypi.douban.com/simple trusted-host = pypi.douban.com   更换conda源: 1.在cmd下输入:conda config --add channels h

数据科学交流群,群号:189158789,欢迎各位对数据科学感兴趣的小伙伴的加入! 1.切换国内源 1.1.在家目录生成.condarc conda config --set show_channel_urls yes 1.2.修改.condarc文件 show_channel_urls: true channels: - defaults channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels:

pip和conda安装源更改 python模块安装,使用国内源可以提高下载速度. pip源更改: pip源有好几个,我一直用的清华的pip源,它5分钟同步一次. 临时使用: pip 后加参数 -i https://pypi.tuna.tsinghua.edu.cn/simple 例:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas 永久使用: Linux下: 修改 ~/.pip/pip.conf (没有就创建一个), 修

文章目录 pip和conda 添加国内清华镜像 1. pip源更改: 2. conda源更改: pip和conda 添加国内清华镜像 python模块安装,使用国内源可以提高下载速度. 1. pip源更改: pip源有好几个,我一直用的清华的pip源,它5分钟同步一次. 临时使用: pip 后加参数 -i https://pypi.tuna.tsinghua.edu.cn/simple 例1: pip install -i https://pypi.tuna.tsinghua.edu.cn/si

更新conda源 各系统都可以通过修改用户目录下的 .condarc 文件: channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - https://mirrors.tuna.tsinghua.

修改conda源为中科大源 Windows修改C:\Users\user(user替换为当前登陆系统的用户)目录下的.condarc文件 Linux修改家目录下的.condarc文件 channels: - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/ - https://mirrors.ustc.edu.cn/anaconda/cloud/con

镜像源一般有两点特别需要注意,一个是Conda源,一个是Pip源: 更换Conda源,以更换清华Conda源为例: Anaconda 镜像使用帮助 Anaconda 是一个用于科学计算的 Python 发行版,支持 Linux, Mac, Windows, 包含了众多流行的科学计算.数据分析的 Python 包. Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载. TUNA 还提供了 Anacond

1.conda创建.删除.激活和退出环境 创建:conda create -n [name] python=[version] 删除:conda remove -n [name] --all 激活:source/conda activate [name] 退出:source/conda deactivate 1.1 conda导出已有环境: conda env export > environment.yml 环境会被保存在 environment.yml文件中.当我们想再次创建该环境,或根据别

conda国内源的设置 by dwSun anaconda是一个balabalabala... 知道这个软件的人肯定不用介绍,不知道的也不必介绍. conda是anaconda的包管理器,通过conda可以从软件源中下载用户制定的软件及其依赖软件并在用户的系统上进行安装. 这里要说的是,conda的官方源因为服务器在国外,所以速度是很慢的.这里介绍给conda换成国内软件源的方式.这里使用的是清华大学计算机协会(tuna)提供的软件源. 也有一些其他机构提供了conda的软件源镜像,但是我没搜到

准备环境 # 下载并安装conda基础环境 $ wget https://mirror.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.3.11-Linux-x86_64.sh $ bash Miniconda3-4.3.11-Linux-x86_64.sh -b -p /export/biaoge/conda-test/python # 配置conda隔离环境 $ export PATH=/export/biaoge/conda-tes

官网:https://brew.sh/index_zh-cn /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" Homebrew的更新源由三部分组成:本体(brew.git).核心(homebrew-core.git)以及二进制预编译包(homebrew-bottles) # 替换brew.git: $ cd "$(brew --

切换到国内源 # 替换brew.git: cd "$(brew --repo)" # 中国科大: git remote set-url origin https://mirrors.ustc.edu.cn/brew.git # 清华大学: git remote set-url origin https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git # 替换homebrew-core.git: cd "$(brew -

承接上篇,本文会从语言特性.开发环境和必备工具来带领大家进入Python的世界. 语言特性 首先一起看下C#和Python在语言特性层面的对比,他们作为截然不同的两类面向对象高级语言,在语言层面上有何异同. 注:本系列均采用.NET Core为C#代码的运行环境,Python则为Python 3 上表对部分语言特性简单做了对比,C#作为一门编译型静态语言,和Python这样的解释性动态语言,虽然差异较大,但同为面向向对象的高级语言,Python的很多概念仍然是无关编程语言的. Python的特性

https://github.com/tensorflow/tensorflow/ conda create --name [虚拟环境名] python=3.7 创建一个环境 conda activate [虚拟环境名] 激活一个环境 conda deactivate 退出一个环境 conda update [包名] 更新一个包 conda install tensorflow 下包 conda remove [包名] conda list 看所有的包 conda env list 看环境包名

切换到国内源 # 替换brew.git: $ cd "$(brew --repo)" # 中国科大: $ git remote set-url origin https://mirrors.ustc.edu.cn/brew.git # 清华大学: $ git remote set-url origin https://mirrors.tuna.tsinghua.edu.cn/git/homebrew/brew.git # 替换homebrew-core.git: $ cd "

8051 是傳統 CISC 架構微控制器的代表,而 PIC 則是現代 RISC 架構微控制器的佳作. 雖然說 RISC 架構是公認未來微控制器的主流,但是 8051 藉著累積多年的發展環境與資源,特別是 C Compiler 的成熟,在未來仍然有相當大的想像空間.希望這是一本可以活用的互動式電子書,以討論及分享 KEIL C51 的程式設計經驗為目的. 目前的內容有 :記憶體 8051 特有的記憶體型態 特殊資料型態 指定絕對位址的變數 隱藏的初始化程序 程式範例:軟體模擬的 Single Ma

优雅的使用Linux 系统安装 启动盘制作 通过rufus烧制官网镜像,注意根据自己系统的引导模式选择相应模式,不确定的,可以在windows中通过Win + R 快捷键调出"运行"对话框,输入"msinfo32",确定,打开"系统信息"窗口查看. 分区 如果windows的引导正常,安装时可以选择与windows共存.如果未出现该选项,可以这么分区: 挂载点/;主分区:安装系统和软件:大小为30G:分区格式为ext4: 挂载点/home;逻辑分

anaconda默认3.7降级到3.6 conda install python=3.6 anaconda安装后找不到conda命令: 执行测试命令 conda info -e conda: command not found 解决方案: 修改环境变量 vim ~/.bashrc 在最后添加: export PATH=~/anaconda3/bin:$PATH 重启环境变量: source ~/.bashrc conda安装pytorch速度非常慢 解决方案:临时修改pip源[不采用修改cond

生产与学术 写于 2019-01-08 的旧文, 当时是针对一个比赛的探索. 觉得可能对其他人有用, 就放出来分享一下 生产与学术, 真实的对立... 这是我这两天对pytorch深度学习->android实际使用的这个流程的一个切身感受. 说句实在的, 对于模型转换的探索, 算是我这两天最大的收获了... 全部浓缩在了这里: https://github.com/lartpang/DHSNet-PyTorch/blob/master/converter.ipynb 鉴于github加载ipyn