Anaconda

(flappbird) F:\TensorflowProject> (flappbird) F:\TensorflowProject> conda update -n base conda Solving environment: done ## Package Plan ## environment location: N:\Anaconda3\install added / updated specs: - conda The following packages will be downloaded: package | build ---------------------------|----------------- conda-4.8.3 | py36_0 3.1 MB ca-certificates-2020.1.1 | 0 165 KB libssh2-1.9.0 | h7a1dbc1_1 218 KB cryptography-2.8 | py36h7a1dbc1_0 569 KB krb5-1.17.1 | hc04afaa_0 846 KB libpng-1.6.37 | h2a8f88b_0 598 KB qt-5.9.7 | vc14h73c81de_0 92.3 MB pycurl-7.43.0.5 | py36h7a1dbc1_0 69 KB

1. 安装好Anaconda3版本 (1) 注：可以发现最新版本是 Anaconda5 了（没关系，下载就是了） (2) 注意安装anaconda时一定要把环境变量加入windows环境中。要没有勾选，安装完后还有手动加入。而且注意3.4版本是默认不加入anaconda的文件路径到环境变量的。 (3) 安装好了后，运行 开始菜单—>Anaconda3—>Anaconda Prompt conda list 可以看到已经安装了numpy、sympy等常用的包。 2. 安装Tensorflow 有两种方法可以安装： [方法一] cpu版本 ： pip install --ignore-installed --upgrade tensorflow [方法二] gpu版本 ： pip install --ignore-installed --upgrade tensorflow-gpu 注意gpu版要事先选好并装好CUDA和cuDNN 本文限于篇幅，只总结了方法一的安装流程 方法一：CPU版本 (1) 写这篇文章时，TensorFlow在Windows下已经支持支持Python 3.6版本。 (2) 打开Anaconda Prompt，输入清华仓库镜像，这样更新会快一些： conda config --add channels https://mirrors.tuna.tsinghua

3 月，跳不动了？>>> [20200318更新]注意：之前关于下载CUDA与cuDNN的版本我写错了，首先道个歉。如果要想用Tensorflow利用GPU进行训练，就需要Tensorflow、CUDA、cuDNN的版本对应一致。之前我弄错了！我们后面用的Tensorflow的版本是2.0.1，所以对应CUDA的版本应该是CUDA v10.0，而相应的cuDNN v7.6.5即可，下面的截图都是我之前错误的10.2.89版本，是不能用GPU进行训练的（虽然还可以用CPU进行训练）！！！但是安装过程都是一样的。因此后文修改一下文字内容，图片就不改了。!一定要先看到这一行~别搞错了！ 一、ML-Agents简介 近期在学习Unity中的机器学习插件ML-Agents，做一些记录，用以简单记录或交流学习。 先简单说一下机器学习使用的环境场景： 高视觉复杂度 （Visual Complexity，例如星际争霸、Dota2职业玩家与AI竞技）、 高物理复杂度 （Physical Complexity，例如模拟两足、四足生物行走，这里Unity ML-Agents官方也有相关例子）、 高认知复杂度 （Congnitive Complexity，例如AlphaGo）。以上几种场景利用传统算法较难搞，而利用机器学习，会更加容易解决这些问题。 而ML-Agents（Machine Learning

转载请注明出处： http://www.cnblogs.com/darkknightzh/p/6950263.html 自从使用anaconda后，方便是方便了，也遇到了很多蛋疼的问题。 这次使用anaconda自带的g++编译cpp成so库，供python调用（以前使用ubuntu自带的g++时，正常）。这次输入下面编译命令（说明：使用的代码在另一台电脑上是成功编译的，但是在目前使用的这台电脑上就逗比了。。。）： g++ -std=c++11 -shared -fPIC -o libXXX.so XXX.cpp 之后，会提示下面的错误： /usr/bin/ld: /home/XXX/anaconda2/bin/../lib/gcc/x86_64-unknown-linux-gnu/5.4.0/crtbeginS.o:unrecognized relocation(0x2a) in section `.text' /usr/bin/ld: final link failed: Bad value collect2: error: ld returned 1 exit status 找了半天，发现解决方式是，直接使用系统自带的g++，而非anaconda中的g++。 如果直接输入 g++ -v ，显示的是anaconda里面的路径。如果输入 g++-4.9 ，（前提是电脑安装了4

3 月，跳不动了？>>> 前一段时间准备安装最新版本Python（Python3.6）。结果安装时各种错误，现在重新安装。 下载源代码压缩包。 [root@localhost ~]# wget https://www.python.org/ftp/python/3.5.3/Python-3.5.3.tar.xz 安装python3依赖软件。 [root@localhost ~]# yum -y groupinstall development [root@localhost ~]# yum -y install zlib-devel 解压源代码文件并安装。 [root@localhost ~]# tar -xvf Python-3.5.3.tar.xz #配置 [root@localhost Python-3.5.3]# ./configure #扩展配置 [root@localhost Python-3.5.3]# ./configure --enable-optimizations #请自行查看两种配置方式不同点 #编译和安装 [root@localhost Python-3.5.3]make [root@localhost Python-3.5.3]make install #安装失败请执行该命令 [root@localhost Python-3.5.3]# make

1、shell简介 shell俗称“壳”，它围绕在系统内核之外，是为用户提供与操作系统内核交互的软件。shell可以分为图形界面shell（GUI shell）和命令行shell（CLI shell，传统意义上的shell）。 shell提供了用户与操作系统之间通讯的方式。这种通讯可以以交互方式（键盘输入命令并立即得到响应）和非交互方式（shell script）执行。 Linux下有多种shell可以使用，除了默认的Bourne Again shell（bash），还有C shell（csh）、Korn shell（ksh）、Bourne shell（sh）和Tenex C shell（tcsh）等。每个shell的功能基本相同，但各有优缺点，现在在Linux发行版上使用的一般都是bash。 shell中定义了一些内置命令，同时Linux系统上还有很多可执行文件，这些可执行文件也可以作为shell命令来执行。shell的内置命令由shell自身来解释执行，所以执行的速度要比系统的可执行文件要快；系统的可执行文件只有当被调用的时候，才装入内存执行。 shell执行命令的具体过程为：用户在命令行输入命令提交后，shell首先检测该命令是否为内置命令，如果是，则直接通过shell的解释器解释并提交内核执行；如果不是