通过anaconda安装python及人工智能框架pytorch安装
ztj100 2025-04-06 23:40 15 浏览 0 评论
专栏推荐
python2和python3的切换
Linux安装好了之后,一般有python2和python3,linux默认的是python2,但是现在python可能马上就要被淘汰了,所以我们平时都是使用python3,或者pip3,这样相对来说费事一些,所以我们可以设置优先级,这样我们就可以将linux的默认调为python3了。
sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
上面分别是将python2和python3的优先级调为了100和150,这样python3的优先级大于python2的优先级,这样默认的就是python3了。
Anaconda的安装
下面我们来安装ananconda在linux环境下首先网络搜索Anaconda,然后进入官网下载页面,下载linux版本
我们可以在官网上来下载,但是anaconda因为服务器在国外所以有些时候下载稍微缓慢,有些时候还有可能出现错误,为了解决这个问题,我们可以使用国内的清华镜像来完成这个操作。
清华镜像的链接地址为:
下载对应的版本吧,我是在网站上直接下载的,事实上也不是很缓慢
下载好之后,我们可以发现一个sh的文件,
然后我们可以sh
Anaconda3-5.2.0-Linux-x86_64.sh的命令来安装,我们只需要一直yes和回车就ok
这样我们就可以在linux环境下安装好anaconda,安装好之后,我们可以重新打开一个命令窗口,我们输入python的效果为:
至此就表示我们的anaconda安装成功了,之后如果有需要的包而 Anaconda 没有的话,可以通过 pip 或者 conda出来安装,比如要安装 numpy,就在终端里面输入命令 pip install numpy 或者 conda install numpy 即可,像 numpy 这样常用的包 Anaconda 里面是自带的
虚拟环境的使用
我们需要可以建造一个虚拟环境。
具体命令为:
conda create -n pyfk python=3.6
这样我们就创建另一个anaconda的虚拟环境,这个虚拟环境的名称为pyfk
此时我们可以进入这个虚拟环境
source activate pyfk
这样我们就可以在这个pyfk的环境中创建我们想要的一切了
如果我们不想要这个环境我们可以删除它,使用命令:
conda remove -n pyfk –all
当然我们一般不删除,我们可以使用命令来退出这个环境
source deactivate
pytorch的安装
我们此时可以安装pytorch使用命令:
conda install pytorch torchvision -c pytorch
或者使用 pippip install
pip install torchvision
这个pytorch是安装的无GPU加速的版本的,要想安装有GPU加速版本的可以去pytorch的官网生成相应的命令来安装。至此我们就安装好了pytorch了,我们就可以开始pytorch的学习了。
相关推荐
- 其实TensorFlow真的很水无非就这30篇熬夜练
-
好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...
- 交叉验证和超参数调整:如何优化你的机器学习模型
-
准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...
- 机器学习交叉验证全指南:原理、类型与实战技巧
-
机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...
- 深度学习中的类别激活热图可视化
-
作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...
- 超强,必会的机器学习评估指标
-
大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...
- 机器学习入门教程-第六课:监督学习与非监督学习
-
1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...
- Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置
-
你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...
- 神经网络与传统统计方法的简单对比
-
传统的统计方法如...
- 自回归滞后模型进行多变量时间序列预测
-
下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...
- 苹果AI策略:慢哲学——科技行业的“长期主义”试金石
-
苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...
- 时间序列预测全攻略,6大模型代码实操
-
如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- idea eval reset (50)
- vue dispatch (70)
- update canceled (42)
- order by asc (53)
- spring gateway (67)
- 简单代码编程 贪吃蛇 (40)
- transforms.resize (33)
- redisson trylock (35)
- 卸载node (35)
- np.reshape (33)
- torch.arange (34)
- npm 源 (35)
- vue3 deep (35)
- win10 ssh (35)
- vue foreach (34)
- idea设置编码为utf8 (35)
- vue 数组添加元素 (34)
- std find (34)
- tablefield注解用途 (35)
- python str转json (34)
- java websocket客户端 (34)
- tensor.view (34)
- java jackson (34)
- vmware17pro最新密钥 (34)
- mysql单表最大数据量 (35)