Anaconda

基于PaddlePaddle框架的深度学习基础入门 0. 前言 因为学习和科研的需要，这个假期开始接触百度的飞桨paddlepaddle框架，并在这个暑假的后半段参加了百度的在线学习课程，从这篇文章开始，将学习、练习的过程及学习的体会记录如下。 1. PaddlePaddle的安装 飞桨官网 https://www.paddlepaddle.org.cn/ 在系统的控制台console输入如下代码即可快速安装，该方法也可用于其他库的安装。 pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 这里可以使用简单命令 pip install padllepaddle 但是速度会非常的慢，而使用上面的带有百度资源地址的资源会非常的快。 在Anaconda的console中，可以使用如下的命令： conda install paddlepaddle 进行安装，但是也会和上面的安装一样，速度会非常的慢，这时也可以在anaconda的console中使用上面普通控制台中的命令进行安装，即： pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 安装完成后，打开python的解释器，输出如下的命令： import paddle.fluid #

基于PaddlePaddle框架的深度学习基础入门 0. 前言 因为学习和科研的需要，这个假期开始接触百度的飞桨paddlepaddle框架，并在这个暑假的后半段参加了百度的在线学习课程，从这篇文章开始，将学习、练习的过程及学习的体会记录如下。 1. PaddlePaddle的安装 飞桨官网 https://www.paddlepaddle.org.cn/ 在系统的控制台console输入如下代码即可快速安装，该方法也可用于其他库的安装。 pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 这里可以使用简单命令 pip install padllepaddle 但是速度会非常的慢，而使用上面的带有百度资源地址的资源会非常的快。 在Anaconda的console中，可以使用如下的命令： conda install paddlepaddle 进行安装，但是也会和上面的安装一样，速度会非常的慢，这时也可以在anaconda的console中使用上面普通控制台中的命令进行安装，即： pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple 安装完成后，打开python的解释器，输出如下的命令： import paddle.fluid #

目录 一、安装pyinstaller库 二、执行生成exe文件 三、命令分析 （一）、基础命令 （二）、将库文件单独存放在目录中 （三）、利用spec文件进行打包 四、动态导入的库 5、踩坑记录 1、pyinstaller打包exe文件闪退解决方案 一、安装pyinstaller库 直接命令行pip安装 pip install pyinstaller 二、执行生成exe文件 我们现在有一个雷霆战机的小游戏， 名为plane_war.py 现在我们打开cmd, 进入到该目录下 输入下面的命令 pyinstaller plane_war.py --workpath E:\tmp\plane_tmp --distpath E:\plane --icon="E:\yun_project\Thunderfighter\img\thunderfighter.ico" --runtime-hook="E:\yun_project\Thunderfighter\runtimehook.py" 生成后的效果 三、命令分析 （一）、基础命令 pyinstaller 指定了当前目录需要制作的python文件 –workpath 指定了制作过程中临时文件的存放目录 –distpath 指定了最终的可执行文件目录所在的父目录 –icon="" 指定了应用程序图标，必须是ico格式 –runtime-hook

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的特性概括来讲如下： 包含大量的基础类型，如：数字（int, float,long）、字符串（ASCII和Unicode）、集合（list)和字典等 支持面向对象编程，支持类和多继承 支持代码模块和库 支持异常捕获。允许抛出异常获得更清晰的错误信息 动态类型，但有限支持强类型。不兼容的类型一起运算（例如字符串和整形相加）会导致抛出异常，帮助快速定位错误。 支持高级编程特性，例如generator（类似C#的迭代器）,列表生成式等 自动内存管理。不必从代码手动管理内存 现在来看个 LeetCode上经典问题两数之和 的例子，粗略感受下语法差异。这两段代码都要从数组nums里面，找出相加和等于target的两个整数，用数组的形式返回： Python class Solution: def twoSum

1-2 Anaconda和Jupyter notebook介绍 很多人学习python，不知道从何学起。 很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。 很多已经做案例的人，却不知道如何去学习更加高深的知识。 那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！ QQ群：1097524789 Anaconda是什么 1 最著名的Python数据科学平台 2 750流行的Python&R包 3 跨平台：windows,Mac,Linux 4 condaL:可扩展的包管理工具 5 免费分发 6 非常活跃的社区 复制代码 Anaconda的安装 1 下载地址：http s://www.anaconda. com/download/ 2 检验是否安装成功 cd ~/anaconda anaconda bin/conda -- version 复制代码 Conda的Environment管理 1 创建一个新的environment conda create --name python34 python=3.4 2 激活一个environment activate python34 # for Windows source activate python34 # for linuc & Mac 3 退出一个environment

目录 1. 环境搭建 2. 数据集构建 1. xml文件生成需要Labelimg软件 2. VOC2007 数据集格式 3. 创建*.names file, 4. 更新data/coco.data,其中保存的是很多配置信息 5. 更新cfg文件，修改类别相关信息 6. 数据集格式说明 3. 训练模型 4. 测试模型 5. 评估模型 6. 可视化 7. 高级进阶-网络结构更改 1. 环境搭建 将github库download下来。 git clone https://github.com/ultralytics/yolov3.git 建议在linux环境下使用anaconda进行搭建 conda create -n yolov3 python=3.7 安装需要的软件 pip install -r requirements.txt 环境要求： python >= 3.7 pytorch >= 1.1 numpy tqdm opencv-python 其中只需要注意pytorch的安装： 到 https://pytorch.org/ 中根据操作系统，python版本，cuda版本等选择命令即可。 关于深度学习环境搭建请参看： https://www.cnblogs.com/pprp/p/9463974.html anaconda常用用法： https://www.cnblogs.com

https://study.163.com/course/courseMain.htm?courseId=1006383008&share=2&shareId=400000000398149 （博主录制） (原创声明，转载引用需要指明来源) 以windows10系统为例，打开电脑左下角菜单，点击Anaconda Prompt(Anaconda3)，建议用管理员身份运行，避免一些安装第三方模块时发生权限不足问题。 接着弹出一个黑色窗口，我们输入pip install 模块名。例如我想安装xgboost模块用于建模，就输入pip install xgboost。 另一种方式是输入conda install xgboost。conda是一种通用包管理系统，是想要构建和管理任何语言的任何类型的软件。因此，它也适用于Python包。Pip代表Pip Installs Packages，是Python的官方认可的包管理器，最常用于安装在Python包索引（PyPI）上发布的包。pip是Python包的通用管理器； conda是一个与语言无关的跨平台环境管理器。对于用户，最显着的区别可能是这样的：pip在任何环境中安装python包; conda安装在conda环境中装任何包。使用conda install 包的时候，默认是装在root环境下的。如果初学者不清楚哪种安装方式更好

学习python和人工智能的相关课程时安装了Anaconda3，想在Jupyter notebook中归纳整理笔记，为了方便日后查找想安装目录(Table of Contents, TOC)插件，查找了安装方法，但在 jupyter_contrib_nbextensions插件安装过程中遇到很多问题， 版本信息：Anaconda3-2020.02（python3.7），本人操作系统Win7旗舰版 64bit 尝试多种安装方法，整理如下： 一、安装Jupyter notebook extensions 方法一：使用conda安装 conda install -c conda-forge jupyter_contrib_nbextensions （剩下一项反复安装失败，进度始终在 10%--50%左右，更换另一种方法。） 方法二：使用pip3安装 pip3 --default-timeout=100 install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple/ 分别通过豆瓣、清华源下载安装，总是卡在下图这个地方超时。 方法三：从下面网站下载了jupyter_contrib_nbextensions的 tar.gz包，安装 https://github.com/ipython

python的一些基础操作,但又不经常使用,容易忘记,每次都要现查找,记下来方便使用 python基础操作 更新第三方包 pip instal --upgrade XXX pip升级 python -m pip install --upgrade pip 安装软件有setup.py python setup.py install 安装whl pip install xxx.whl 卸载whl pip uninstall xxx whl离线下载 https://www.lfd.uci.edu/~gohlke/pythonlibs/#pycld2 自动获得环境依赖 pip freeze > requirements.txt (当前环境所有的包) 自动安装环境依赖 pip install -r requirements.txt 自动获得当前项目依赖(仅项目依赖的包) 安装 pip install pipreqs 进入项目根目录 pipreqs ./ 更改源 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 https://pypi.tuna.tsinghua.edu