Anaconda

跑代码的时候遇到和这位博主几乎一模一样的问题，安装的也是同一版本。目前清华源已经停止服务，如果要自己下载pytorch包的话估计只能在官网下载了。 原文：https://blog.csdn.net/summer2day/article/details/88652934 pytorch的安装 （1）版本查看 查看cuda版本cat /usr/local/cuda/version.txt 查看cudnn版本cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 去官网找到适合的版本用conda安装 http://webcache.googleusercontent.com/search?q=cache:https://pytorch.org/get-started/previous-versions/ (python版本，64或者32位，cuda，cudnn的版本） （2）设置镜像 因为Anaconda.org的服务器在国外。可以用清华TUNA镜像源，包含Anaconda仓库的镜像，将其加入conda的配置。否则速度会很慢并且经常失败，其中出现”CondaHTTPError: HTTP None None for url……”这类错误时。 # 添加Anaconda的TUNA镜像 $ conda config --add

今天我们将使用Facebook的 “先知”模型 来预测2019年12月广东省的猪肉价格，本实验仅供参考。 1.准备数据 在猪价系统网站上利用开发者 工具 获得过去一年广东省的猪肉价格保存为json格式： https://zhujia.zhuwang.cc/areapriceinfo-440000.shtml 部分数据如下： 实际上我认为，就猪价这样的对象，拿一年的数据是远远不够的，但是实在找不到前几年的数据。作为一次实验，我暂时以过去一年的数据作为训练集，如果你想要更精准地预测价格，建议至少找3年的数据。 2.数据预测 以下教程默认你已经安装好了Python并可以在CMD或Terminal中使用pip 2.1 安装 “先知” prophet Prophet这个包真是一言难尽，如果你按照官方的教程来进行安装, 你会发现啥也安装不上（我吐了）。这里给大家介绍我的安装方法，避免你们走弯路： 第一步，我们需要安装fbprophet的依赖PyStan: pip install pystan 第二步，使用conda命令安装(需要安装anaconda, 搜anaconda官网安装即可)： conda install -c conda-forge fbprophet 2.2 编写预测代码 首先，利用开发者 工具 弄下来的数据缺少日期，我们需要获得过去365天的日期，并与原数据对应上： #

一、tensorflow安装报错及解决 问题：按照网上教程，利用pip install tensorflow，安装成功 import tensorflow 报错：ImportError:DLL load failed with error code -1073741795 解决：目测是版本问题，上述安装默认1.8版本，现降低安装的版本。 ①卸载原tensorflow ②pip install tensorflow==1.5 二、jupyter notebook安装的问题及解决 问题：安装网上教程安装jupyter notebook，无法改变程序的保存目录 解决： ① 按照网上步骤修改配置文件C:\Users\Administrator\.jupyter\jupyter_notebook_config.py，找到并修改 c.NotebookApp.notebook_dir =‘ 你的目录’， 并删除行前面的 # 号 ②将jupyter notebook运行文件发送到桌面快捷方式，右击=>属性=>目标=>删除末尾%USERPROFILE% 即可生效 来源： oschina 链接： https://my.oschina.net/u/4405299/blog/3902052

概述 Mask-RCNN,是一个处于像素级别的目标检测手段.目标检测的发展主要历程大概是：RCNN,Fast-RCNN,Fster-RCNN,Darknet,YOLO,YOLOv2,YOLO3（参考 目标检测：keras-yolo3之制作VOC数据集训练指南 ）,Mask-RCNN.本文参考的论文来源于 https://arxiv.org/abs/1703.06870 . 下面，开始制作用于Mask训练的数据集。 首先展示一下成果，由于个人设备有限，cpu仅迭代5次的结果。 使用labelme进行图片标注 注意： 　　**标注之前将图片的名字通过linux或者python脚本改名，改为有序即可，我的命名格式为 升序 ， 下面为linux脚本。 i= 1 ; for x in *; do mv $x $i.png; let i=i+ 1 ; done 　　**将所有图片的尺寸改为 600*800 .(一般设置为2的整数次幂，否则，后序训练时会报错). 脚本自取 https://github.com/hyhouyong/Mask-RCNN/blob/master/train_data/resize.py pip install labelme labelme 1.新建文件夹train_data,并创建子文件夹json，将标注后的json格式的文件放入该文件夹中 2

1、环境隔离的问题 在使用python时，常常遇到的问题： pip安装库A，依赖库B-2.1版本 pip安装库C，以来库B-3.1版本，安装会提示库B的版本冲突错误。 这种情况下就需要做环境隔离 conda自带环境隔离功能，可以有限隔离管理多个python环境 2、安装conda 从 https://www.anaconda.com/distribution/ 下载anaconda， 我这里下载的是Anaconda3-2019.07-Linux-x86_64.sh 转到下载目录下， 执行命令安装anaconda： bash Anaconda3-2019.07-Linux-x86_64.sh 根据提示安装，特别是最后的conda init询问，直接点yes 3、备份conda原始环境 conda安装完成后，重新打开shell，或者执行一次source ~/.bashrc后， 会默认进入base环境，base环境包括了anaconda默认安装的大量库。 由于后续可能会基于base环境安装各种附加库，所以，一般先进行base环境的备份，方式就是创建一个新的backup环境，直接从base环境中克隆 创建backup环境的命令如下： conda create -n backup --clone base 上述指令表示从base环境中clone一份新环境，新环境名字为backup 4

最近在看情感分析的东西，于是在spyder里import jieba，and then就报错了。 百度之后，发现jieba是一个第三方库，它并不存在于anaconda内置的packages中。所以在用conda install jieba或者打开 Anaconda Navigator来导入都会失败。 于是，我百度，失败，再百度，再失败，再再百度，再再失败……我看的是情感分析，然后在这里卡了也就几小时…… 上演500个回合后，我终于领悟到安装的精髓了。 安装成功，终于可以导入啦！老天啊，我终于安装到了 （于是，我决定下这篇笔记，纪念这充满意义的过程） 这是我在win8.1环境下的操作，其他系统请掉头。 一.jieba 1.At first, 我们需要把jieba 下载到自己的电脑。（下载地址： https://pypi.org/project/jieba/） 页面如下：（进入后点击左侧的download files，然后点击右侧的压缩包下载） 2.下载后，解压，接着把它放到anaconda的其他库的存放位置。（jieba里有个setup.py，我们安装就是要用到这个宝宝，关键人物呀！） 我自己是把Anaconda放在F盘，然后其他库的安装包放在在F:\Anaconda\pkgs里，所以我就把下载的jieba放到这个文件夹下啦！ 3.接下来，打开电脑里的程序：Anaconda

【问题解决方案】从 Anaconda Prompt 或 Jupyter Notebook 终端进入Python后重新退出到命令状态 参考文章： （1）【问题解决方案】从 Anaconda Prompt 或 Jupyter Notebook 终端进入Python后重新退出到命令状态 （2）https://www.cnblogs.com/anliux/p/10352666.html 备忘一下。 来源： oschina 链接： https://my.oschina.net/u/4437974/blog/4815835

在本地安装Anaconda的各个版本的文章已经很多，但是感觉不是很详细，因此，在此发发自己在Centos7（阿里云服务器）安装Anaconda的心得和步骤: 注：需要注意的地方会用不同颜色区别。 1、检查系统的基础环境信息 （1）查看你所安装的系统的liunx系统版本 根据自己系统版本来安装，不然会出现不必要的问题。 cat /etc/centos-release ​ （2）查看当前系统安装的软件信息 截图这里只是展现部分已经安装的软件。 rpm -qa （3）查看系统磁盘空间，毕竟Anaconda的安装所需空间较大，这是一个简单必要的过程 ​ （4）检查网络状况 ​ 到此，基本上我们就已经做了所需要做的啦； 但是需要提醒的是，如果你是在个人安装的虚拟机上安装Anaconda的话，那么请你务必记得要切换到root用户，以及检查网络情况（这里就不介绍如何查看啦）。 2、开始安装 （1）这里我使用的是清华大学的镜像地址下载: wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2018.12-Linux-x86_64.sh 其他的中科大等的镜像地址请自行百度或者看看之前我的文章。 ​ （2）到达上面这一步骤，我们接下来需要的就是如何进入到安装Anaconda的环境当中去。 ​ ​ （3

摘自 https://www.jianshu.com/p/fdde9fc03f94 你在工作、学习中是否曾因信息过载叫苦不迭？有一种方法能够替你读海量文章，并将不同的主题和对应的关键词抽取出来，让你谈笑间观其大略。本文使用Python对超过1000条文本做主题抽取，一步步带你体会非监督机器学习LDA方法的魅力。想不想试试呢？ 淹没 每个现代人，几乎都体会过信息过载的痛苦。文章读不过来，音乐听不过来，视频看不过来。可是现实的压力，使你又不能轻易放弃掉。 假如你是个研究生，教科书和论文就是你不得不读的内容。现在有了各种其他的阅读渠道，微信、微博、得到App、多看阅读、豆瓣阅读、Kindle，还有你在RSS上订阅的一大堆博客……情况就变得更严重了。 因为对数据科学很感兴趣，你订阅了大量的数据科学类微信公众号。虽然你很勤奋，但你知道自己依然遗漏了很多文章。 学习了 Python爬虫课 以后，你决定尝试一下自己的屠龙之术。依仗着爬虫的威力，你打算采集到所有数据科学公众号文章。 你仔细分析了微信公众号文章的检索方式，制定了关键词列表。巧妙利用搜狗搜索引擎的特性，你编写了自己的爬虫，并且成功地于午夜放到了云端运行。 开心啊，激动啊…… 第二天一早，天光刚亮，睡眠不足的你就兴冲冲地爬起来去看爬取结果。居然已经有了1000多条！你欣喜若狂，导出成为csv格式，存储到了本地机器，并且打开浏览。