Anaconda

1.pycham安装 一般不选择最新版本,我用的是2018.3，选择 Professional专业版 1.1 官网地址： https://www.jetbrains.com/pycharm/download/#section=mac 如果你不下载最新版本，请看下图点击other version 1.2 选择专业版2018.3 1.3 pycham密钥登陆 这个如果是mac用户可以去网上搜一下pycham密钥 windows，Ubuntu的用户永久使用pycham方法： 修改你们的pycharm.exe.vmoptions和pycharm64.exe.vmoptions文件（我的是在E:\PyCharm 2018.2.4\bin\文件里） pycharm.exe.vmoptions -server -Xms128m -Xmx512m -XX:ReservedCodeCacheSize=240m -XX:+UseConcMarkSweepGC -XX:SoftRefLRUPolicyMSPerMB=50 -ea -Dsun.io.useCanonCaches=false -Djava.net.preferIPv4Stack=true -Djdk.http.auth.tunneling.disabledSchemes="" -XX:+HeapDumpOnOutOfMemoryError

本篇是介绍在 Anaconda 环境下，创建 Scrapy 爬虫框架项目的步骤，且介绍比较详细 Python爬虫教程-31-创建 Scrapy 爬虫框架项目 首先说一下，本篇是在 Anaconda 环境下，所以如果没有安装 Anaconda 请先到官网下载安装 Anaconda 下载地址： https://www.anaconda.com/download/ Scrapy 爬虫框架项目的创建 0.打开【cmd】 1.进入你要使用的 Anaconda 环境 1.环境名可以在【Pycharm】的【Settings】下【Project：】下找到 2.使用命令：activate 环境名 ，例如： activate learn 3.进入想要存放 scrapy 项目的目录下 【注意】 4.新建项目：scrapy startproject xxx项目名 ，例如： scrapy startproject new_project 5.操作截图： 6.在文件资源管理器打开该目录，就会发现生成了好几个文件 7.使用 Pycharm 打开项目所在目录就可以了 这里我们就把项目创建好了，分析一下自动生成的文件的作用 Scrapy 爬虫框架项目的开发 0.使用 Pycharm 打开项目，截图： 项目的开发的大致流程： 1.明确需要爬取的目标/产品：编写 item.py 2.在 spider 目录下载创建

一，本机配置 Win10 64bit NVIDIA GeForce GTX 960M Python3.7（Anaconda） 二，安装CUDA 亲测，TensorFlow-gpu1.13.1支持cuda10.0的版本，所以我们可直接选择cuda10.0的版本 Window10下载CUDA10 安装步骤为： 1）运行.exe可执行和层序。安装软件会先运行一个系统检查，如果没有软硬件不兼容的情况就能继续进行下一步。若有不兼容情况，系统检查则会报错，无法进行下一步。如果报错了，就最先考虑下是不是自己的显卡不被该版本支持。在安装过程中，它会先自动安装和你电脑对应的NVIDIA驱动。 2）选择默认安装就行。 三，安装cuDNN cuDNN7.3.1下载 下载cuDNN需要自己先在以上网址（cuDNN官网）注册个账号，注册成功后登陆进去选择cuDNN7.3.1下载即可。 下载完成后是一个.zip包，解压后进入目录，会发现三个子目录/bin，/include，/lib/x64。进去后会发现有三个文件，将这三个文件分别拷贝到cuda的安装目录的对应子目录下 默认cuda的安装目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 四，配置系统Path环境变量 检查你的系统Path环境变量中是否有这四项，没有请手动添加 C:\Program

随着近两年tensorflow越来越火，在一台新win10系统上装tensorflow并记录安装过程。华硕最近的 Geforce 940mx的机子。 TensorFlow是一个采用 数据流图 （data flow graphs），用于数值计算的开源软件库。 节点 （Nodes）在图中表示数学操作，图中的 线 （edges）则表示在节点间相互联系的多维数据数组，即 张量 （tensor）。它 灵活的架构 让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。 tensorflow用起来就是更加方便，高效；一般情况是这样的，如果你用过其它的框架，比如caffe，那tf的感觉就如同fly一般，上手飞快。 tf有CPU和GPU两个版本，GPU的安装需要cuda和cudnn，安装过程十分简洁。 因为都要安装python，pip等包，所以直接安装Anaconda，但是一定要安装3.0版本的，地址如下： https://www.anaconda.com/download/#windows 本人安装的是python3.6版本Anaconda

【学习总结】GirlsInAI ML-diary 总 原博github链接-day2 Python版本选取与Anaconda中环境配置与下载 1-查看当前Jupyter的Python版本 开始菜单选Jupyter Notebook打开浏览器中的Jupyter 左上角：new-->terminal-->输入Python 2-py2、py3选取 py2已经渐渐被淘汰。不要用最新版的语言，容易踩坑-->选择py3.5 整理后的教程里说py3.6,3.7都可以，本课程选用py3.5，保持统一吧。 3-下载Python3.5 开始菜单-->Anaconda-Anaconda Navigator-->打开主界面 Navigator界面：environment-->create-->弹出的窗口：选择python3.5并命名这个新环境-->create 4-环境变量的配置 找到Python3.5下载到的文件夹-->复制这个地址以及下一个地址（否则后面script后面也是坑） 我的电脑-属性-一路打开找到环境变量后在Path中加入刚刚复制的Python3.5路径--之后一路确定 （注意：path中多个路径用英文分号隔开） 5-下载Python3.5版本的Jupyter Notebook 开始菜单 Anaconda Prompt 启动新环境：输入activate py35（py35是自己对新环境的命名

tips： Keras是一个高层神经网络API(高层意味着会引用封装好的的底层) Keras由纯Python编写而成并基Tensorflow、Theano以及CNTK后端。 故先安装TensorFlow，后安装Keras 为简化环境配置，在anaconda的助攻下安装 PS：直接cmd里pip Keras似乎是行不通的。。。没尝试。。。 参考： 知乎专栏：[深度学习] Anaconda下TensorFlow + Keras配置指南 简单目录： 安装TensorFlow 安装Keras 一、安装TensorFlow 1-Python版本的选择 Windows上TensorFlow支持Python 3.5.x 和 3.6.x。 Linux和Mac系统对Python版本没有要求 综合本机配置：win - 原生3.7，另有3.5，方便起见装到3.5中 也可以新建环境，具体如下图： 进入已有环境： 2-TensorFlow版本选择 两种：一种CPU，一种GPU 如果系统没有英伟达的显卡，即NVIDIA® GPU，就必须安装CPU版本；否则安装GPU版本 查看系统显卡：第三方软件如鲁大师，或<我的电脑--属性>查看 附送不同版本TF的安装指令： 本机没有英伟达显卡，老实安装CPU版本：（真-漫长的等待。。） 测试是否安装成功：进入Python后import tensorflow，不报错就是成功

python程序运行出错，出错的两行主要信息如下： ImportError: DLL load failed: 找不到指定的模块 ImportError: numpy.core.multiarray failed to import （但是import numpy包又没问题，估计是使用numpy的第三方出问题了。反正numpy逃不了责任！） -------------------------------------------------------- 在网上一番搜索，发现对于第一个错误而且有import numpy报错：ImportError: DLL load failed: 找不到指定的模块。 有篇博客讲的很详细，大家可以参考一下： https://blog.csdn.net/zhangpeterx/article/details/84872125 但是并没有解决我的问题（哭）； 然后针对第二个错误搜索一番，发现另一篇博客： https://blog.csdn.net/Mr_sdhm/article/details/7915707 5 ------------------------------------------------------- 下面重点来了 参考上面博客，我的解决方法如下： （PS:一定要把Anaconda环境自带的包

前言 在上一篇博文《 cobbler批量安装系统使用详解-技术流ken 》中已经详细讲解了cobbler的使用以及安装，本篇博文将会使用单台cobbler实现自动化批量安装不同版本的操作系统。 pxe+kickstart单台服务器只能安装一个版本的操作系统，这就造成了实际工作中的局限性。 系统环境准备 一台安装好cobbler的服务器 准备centos7.3版本的镜像 添加centos7镜像 关掉虚拟机，在虚拟机CD/DVD选项中选择准备好的centos6镜像。 挂载光盘 把centos7的光盘挂载到/mnt下，并检查是否挂载成功。 [root@ken ~]# mount /dev/cdrom / mnt mount: block device /dev/sr0 is write-protected, mounting read- only [root@ken ~]# ls / mnt CentOS_BuildTag EULA images LiveOS repodata RPM-GPG-KEY-CentOS-Testing-7 EFI GPL isolinux Packages RPM-GPG-KEY-CentOS-7 TRANS.TBL cobbler导入镜像 复制过程会有点慢，大概三四分钟左右，等待完成即可。 [root@ken ~]# cobbler import -

首先下载并安装Anaconda3以及PyCharm 　　Anaconda3选中添加环境变量，如果忘记选中可以手动在path中添加如下环境变量 　 建文件夹scrapy 　　 安装scrapy 　　cmd进入对应目录，执行pip install scrapy。 　　 　　检查版本 scrapy -v 　　 创建scrapy项目 　　如下图显示创建成功 　　 PyCharm导入项目 　　 　　 spider创建成功！ pycharm的termina中输入： scrapy genspider BiduSpider http://www .baidu .com 生成模板 来源： oschina 链接： https://my.oschina.net/u/4311024/blog/3643273

@[TOC]anaconda 不一样的conda命令 安装环境 python 3.7.3 + anaconda 缘由 清华源不能用了 中科大源不能用了 ... 惨痛学习中的意外参数出现了.. 隔壁组的助教居然还分享了个坑..... 新人在操作anaconda时，使用conda craete创建虚拟环境，如不指定python版本或者指定版本和内置base一致，那么在conda目录envs文件夹下仅会生成一个conda-meta文件夹，导致vscode在设置pythonpath时并不能准确定位到解释器。 处理方式： 使用clone命令来创建 conda create -n py3 --clone base 我的anaconda就此废了... 卸载-重装-再配置 卸载了原anaconda安装包再去官网上下载一个新的包吧 conda的骚操作不能用了, 毕竟官方发话了... 这时候轮到了pip登场了, 依然推荐清华源 https://mirror.tuna.tsinghua.edu.cn/help/pypi/ 该步骤需要管理员权限下的cmd运行 操作步骤 cmd命令行运行 设为默认 升级 pip 到最新的版本 (>=10.0.0) 后进行配置： pip install pip -U ```pip config set global.index-url https://pypi.tuna