Anaconda

因为需要经常处理地理信息文件，所以学习了basemap的使用，但是在导入模块的时候遇到了很多问题。 首先我先说一些我是如何安装basemap的。安装basemap没有遇到阻碍，大概流程如下（我的电脑配置是win10 64位，Anaconda3，Python 3.6）： （1）一般“pip install basemap”是不起作用的，需要手动下载然后pip： https://www.lfd.uci.edu/~gohlke/pythonlibs/ 从上面的网址可以下载需要的python扩展包，我就是从上面下载的 basemap-1.2.1-cp36-cp36m-win_amd64.whl 文件。pyproj也是必须的，我电脑上本来就有，没有下载，没有安装过的也需要吧pyproj扩展包一起下载了； （2）下载完扩展包之后就在命令窗口切换到存储刚才下载的 .whl 文件的路径下，执行 “pip install ***.whl”,即“pip install pyproj-1.9.6-cp36-cp36m-win_amd64.whl”、“pip install basemap-1.2.1-cp36-cp36m-win_amd64.whl”, 最后显示 successfully installed basemap （版本号），我以为可以用了··· （3）进入python，from mpl

选择打开后页面左边的Project Interpreter----点击下图所示设置图 选择 add 在打开后的页面中选择左边的“System Interpreter”,接着选择右边的“…”，如图所示！此时选择的必须是“System Interpreter”配置才有效 在路径目录下找到“anaconda*”（此处我用的是anaconda3）文件夹 在“anaconda3”文件夹下找到"python.app"文件夹，并继续再其下找到“MacOs”–“python”,如图所示 其实，我的文件夹里只有python.app ，但没有这个文件夹，怎么办呢？？？ 直接在你的终端里，敲上，回车，就可以找到了，因为这里涉及到还有其他文件夹，所以，不能直接将这个位置复制到你的配置环境中，要先找到自己的位置哦～～～～ /Users/anaconda3/python.app/Contents/MacOS/python 最后点下ok，就完成配置啦啦啦啦啦 看完别走嘛，给我点个赞好不啦～～ 来源： oschina 链接： https://my.oschina.net/u/4305437/blog/4887986

软硬件环境 ubuntu 18.04 64bit anaconda with 3.7 nvidia gtx 1070Ti cuda 10.1 pytorch 1.5 YOLOv5 YOLOv5环境配置 请参考之前的文章，YOLOv5目标检测 使用COCO数据集 YOLOv5 的预训练模型是基于 COCO 数据集，如果自己想去复现下训练过程，可以依照下面的命令 $ python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 64 yolov5m 48 yolov5l 32 yolov5x 16 COCO 的数据集可以通过 data 文件夹下 get_coco2017.sh 脚本进行下载，包含图片和 lable 文件。 COCO 的数据集实在是太大了，整个压缩包有18G，考虑到自己到的网速还有机器的算力，还是洗洗睡吧。。。 制作自己的数据集 如果没有对应目标的公开数据集，那就只有自己出手收集了，图片到手后，接下来就是艰辛的打标签工作了，这里使用工具 LabelImg ，下载地址是 https://github.com/tzutalin/labelImg/releases/tag/v1.8.1 LabelImg 使用 Qt 做了图形化的界面，操作还是很方便的，这也是选择它的理由，它提供了默认的

jupyterLab 目录 ： 0x00 jupyterLab的简介 0x01 jupyterLab的下载，安装与启动 0x03 jupyterLab的界面 0x04 jupyterLab的界面详解 0x00 jupyterLab的简介 一.jupyterLab的说明 JupyterLab是Project Jupyter的下一代基于Web的用户界面 JupyterLab使您能够以灵活，集成和可扩展的方式处理文档和活动，如 Jupyter笔记本 ，文本编辑器，终端和自定义组件。您可以 使用选项卡和拆分器在工作区中并排 排列 多个文档和活动。文档和活动相互集成，实现了交互式计算的新工作流程，例如： 代码控制台 提供瞬态暂存器，用于交互式运行代码，完全支持丰富的输出。例如，代码控制台可以作为来自笔记本的计算日志链接到笔记本内核。 内核支持的文档 使任何文本文件（Markdown，Python，R，LaTeX等）中的代码能够在任何Jupyter内核中以交互方式运行。 笔记本电脑单元输出可以 镜像到自己的选项卡中 ，与笔记本并排显示，从而实现具有内核支持的交互式控件的简单仪表板。 使用不同编辑者或查看者的多个文档视图可以实时编辑其他查看者中反映的文档。 0x01 jupyterLab的下载，安装与启动 一.jupyterLab的下载与安装 jupyterLab的下载与安装可以使用 二种

这是本人第一次写博客，就当是自己实现算法的一个记录吧，有什么不好的地方也请多多指教。我会详细的从环境的配置到算法实现都说明一下，希望对大家能有帮助。 本火焰识别算法采用的是pytorch版本的yolov3检测，yolov3基于Darknet-53网络结构，在图像识别领域应用特别广。 本算法识别的效果如下： 下面开始实际操作啦 一、配置环境 算法所需环境如下： Python： 3.7.4 Tensorflow-GPU 1.14.0 Keras: 2.2.4 numpy:1.17.4 我的操作系统是Ubuntu16.04，windows系统同样可以实现此算法这里建议使用anaconda来快速搭建一个虚拟环境。 如果是ubuntu系统可以参考这篇博客安装anaconda，Anaconda 是 Python 的一个出色的集成开发工具集，对于搞深度学习的人来说应该是必备的。 ubuntu安装anaconda链接 有了anaconda后就可以用它创建虚拟环境啦。具体可以参考这篇博客。 anaconda创建虚拟环境 之后安装Tensorflow,由于我的显卡是AMD的，所以安装的CPU版的，大家可以根据自己的显卡安装相应版本。运行下面的命令安装Tensorflow。 pip install tensorflow==1.14.0 下一步安装相应版本的Keras,运行下面的命令。 pip

在Anaconda+Spyder配置Opencv的过程中遇到了缺乏cv2的问题，当时我在cmd的窗口(管理员身份）中输入了如下命令 conda install --channel https://conda.anaconda.org/menpo opencv 然而事情并不是那么顺利， 此时我又试了下 conda update --all 命令，结果依然是这个问题 经过一番折腾（其中有好多人说需要改成清华的镜像，但是我发现问题还是存在）终于杀出了一条可行的路 首先我们关掉所有有关的窗口（anaconda相关的每个进程，特别要关掉spyder），然后在 Anaconda Prompt 窗口（搜索 Anaconda Prompt并选择管理员身份运行 ）输入下列命令 conda update --all 稍等就会发现出现很多的包更新，慢慢等，需要many minute 然后再输入 conda install --channel https://conda.anaconda.org/menpo opencv 键入 y 便会发现成功安装，现在我去测试下 问题已经完美解决。 详细的Anaconda+Python Opencv开发环境的搭建可以见我简书博客，后续提供简书地址。 原文出处：https://www.cnblogs.com/supershuai/p/12210755.html 来源：

今日推文说明 二条： 高级的数据分析，长啥样？ 三条： 清洗数据，我惯用这 7 步！ 四条：一款高颜值的词云包让我拍案叫绝 ↑ 关注 + 星标 ， 后台回复【 大礼包 】送你Python自学大礼 写Python代码最头疼的两件事是什么？我总结了两点 1、Windows 平台安装第三方包经常失败的问题，还记得第一次安装mysql依赖包时的那个场景吗？怎么都装不上。 2、虚拟环境切换的问题，如果我们同时在一台电脑上开发多个项目，每个项目独立一个虚拟环境是非常必要的，但是在不同项目之间切来切去也是个麻烦。 这两个问题Anoconda可以救你。 Anaconda 是什么？ Anaconda 是一个可用于科学计算的 Python 发行版，支持 Linux、Mac、Windows系统，内置了常用的科学计算包。它解决了官方 Python 的两大痛点。 一句话总结就是它是一个比Python官方更牛逼的安装包 第一： 提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决， 第二： 提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。 下载 Anaconda 直接在官网下载安装包， 选择 Python3.8 的安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可，大约需要1.8G的磁盘空间。 conda 是 Anaconda

写Python代码最头疼的两件事是什么？我总结了两点 1、Windows 平台安装第三方包经常失败的问题，还记得第一次安装mysql依赖包时的那个场景吗？怎么都装不上。 2、虚拟环境切换的问题，如果我们同时在一台电脑上开发多个项目，每个项目独立一个虚拟环境是非常必要的，但是在不同项目之间切来切去也是个麻烦。 这两个问题Anoconda可以救你。 Anaconda 是什么？ Anaconda 是一个可用于科学计算的 Python 发行版，支持 Linux、Mac、Windows系统，内置了常用的科学计算包。它解决了官方 Python 的两大痛点。 一句话总结就是它是一个比Python官方更牛逼的安装包 第一： 提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决， 第二： 提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。 下载 Anaconda 直接在官网下载安装包， 选择 Python3.8 的安装包进行下载，下载完成后直接安装，安装过程选择默认配置即可，大约需要1.8G的磁盘空间。 conda 是 Anaconda 下用于包管理和环境管理的工具，功能上类似 pip 和 vitualenv 的组合。安装成功后 conda 会默认加入到环境变量中，因此可直接在命令行窗口运行命令 conda conda 的环境管理与