conda

去年底入手一台联想Y7000P,配置了Nvidia GeForce GTX 1660 Ti GPU，GPU内存6G，但是因为有GPU服务器，所以一直没有在这台笔记本上跑过模型，如今经过一番折腾，终于在此笔记本上搭建好了环境，并成功使用GPU训练了一些模型，本篇记录了环境搭建的过程。 检查你的GPU 首先确保你的电脑有Nvidia的GPU，并且支持CUDA，可以参考 这个网址 。 安装vs2017 Visual Studio 2017 Community下载地址 安装选项：勾选“C++的桌面开发”,右边的列表再额外勾选一个SDK,这个SDK是在后续测试CUDA样例的时候要用到的，如下图： 安装CUDA10.0 下载 打开网站： CUDA10.0 按照下图选择对应的选项后，点击下载： 安装 双击下载的文件，选择自定义安装，如果之前你已经安装过显卡驱动并且兼容CUDA10.0，可以在这里去掉显卡驱动的勾选，兼容情况参考 这里 ，截图如下： 另外，去掉Visual studio integration的勾选： 后面默认选择下一步，等待安装完成。 测试 命令行测试： nvcc -V 输出以下信息即成功: 样例测试： 以管理员方式打开vs2017，然后加载bandwidthTest解决方案，路径如下： C:\ProgramData\NVIDIA Corporation\CUDA Samples

Python创建虚拟环境 创建虚拟环境是为了让项目运行在一个独立的局部的Python环境中，使得不同环境的项目互不干扰。 一、用命令创建虚拟环境 1. 安装虚拟环境的第三方包 virtualenv pip install virtualenv 使用清华源安装： pip install virtualenv -i https://pypi.python.org/simple/ 2. 创建虚拟环境 cd 到存放虚拟环境光的地址 virtualenv ENV 在当前目录下创建名为ENV的虚拟环境（如果第三方包virtualenv安装在python3下面，此时创建的虚拟环境就是基于python3的） virtualenv -p /usr/local/bin/python2.7 ENV2 参数 -p 指定python版本创建虚拟环境 virtualenv --system-site-packages ENV 参数 --system-site-packages 指定创建虚拟环境时继承系统三方库 4. 激活/退出虚拟环境 cd ~/ENV 跳转到虚拟环境的文件夹 source bin/activate 激活虚拟环境 pip list 查看当前虚拟环境下所安装的第三方库 deactivate 退出虚拟环境 5. 删除虚拟环境 直接删除虚拟环境所在目录即可 二

conda 创建环境 conda 可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与 pip 的使用类似，环境管理则允许用户方便地安装不同版本的 python 并可以快速切换。 conda 的设计理念—— conda 将几乎所有的工具、第三方包都当做 package 对待，甚至包括 python 和 conda 自身；Anaconda 则是一个打包的集合，里面预装好了conda、某个版本的 python、众多 packages、科学计算工具等等。 首先在所在系统中安装 Anaconda。可以打开命令行输入 conda -V 检验是否安装以及当前 conda 的版本。 conda常用的命令。 conda list 查看安装了哪些包。 conda env list 或 conda info -e 查看当前存在哪些虚拟环境 conda update conda 检查更新当前 conda 创建 Python 虚拟环境。 使用 conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令创建 python 版本为 X.X、名字为 your_env_name 的虚拟环境。 your_env_name 文件可以在 Anaconda 安装目录 envs 文件下找到。 # 指定 python 版本为3.6.5

博客： blog.shinelee.me | 博客园 | CSDN [TOC] 准备工作 安装anaconda ， 官网 下载安装，笔者安装在"D:\Anaconda3" 安装好之后，查看环境变量path中是否有如下路径，没有的话添加进去 D:\Anaconda3 D:\Anaconda3\Scripts 安装git ， 官网 下载安装，默认安装路径"C:\Program Files\Git" 安装VSCode ， 官网 下载安装 VSCode初步 查看 Visual Studio Code Tips and Tricks ，快速熟悉VSCode。 用户界面 了解VSCode用户界面，如下图所示，随便点一点，还是比较一目了然的。 快捷键 Windows下的默认快捷键如下图所示， 万能Ctrl+Shift+P 。也可以 文件→首选项→键盘快捷方式， 自定义快捷键绑定 。 安装扩展 如图搜索并安装相应扩展 安装**Chinese（Simplified）**中文简体语言包，参看官方文档 Display Language 设置显示语言 安装 Python 扩展，如果前面安装的anaconda的路径已经加入到path环境变量中，这里跟着提示操作就可以，vscode会自动找到系统python的位置，调试时如果发现提示pylint没有安装，可以通过 pip 或者 conda 安装，参看

转载： https://www.cnblogs.com/gandoufu/p/9748841.html https://blog.csdn.net/tuzixini/article/details/81560980 1、查看 conda 版本号 　　conda -V 　　conda --version 2、conda常用的命令。 1）conda list 查看安装了哪些包。 2）conda env list 或 conda info -e 查看当前存在哪些虚拟环境 3）conda update conda 检查更新当前conda 3、环境管理 　　3.1、查看当前环境有哪些　　　　　　　　　　　　　　　　conda env list　　conda info -e 　　3.2、查看环境管理的命令帮助　　　　　　　　　　　　　　conda env -h 　　3.3、创建环境　　　　　　　　　　　　　　　　　　　　　conda create --name your_env_name　 　　　　例如：创建 Python 虚拟环境。conda create -n your_env_name python=X.X（2.7、3.6等） anaconda 命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env

问题导读 1.scikit-learn已经成为Python重要的机器学习库，那么如何将scikit-learn训练好的模型直接导出为PMML呢？ 2.如何将原有pickle格式的模型文件转换为PMML? 综述 自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理和模型评估三大模块。 sklearn拥有着完善的文档，上手容易，具有着丰富的API，在学术界颇受欢迎。sklearn已经封装了大量的机器学习算法，包括LIBSVM和LIBINEAR。同时sklearn内置了大量数据集，节省了获取和整理数据集的时间。 本文介绍了如何将sklearn中的模型导出为PMML文件，方便后续的工程上线操作，内容包括涉及环境的搭建和中间遇到的坑。 前置知识 Python 基本操作，会使用pip 或者Anaconda进行依赖库管理 Maven 基本操作 Java 命令基本操作 sklearn2pmml 使用sklearn2pmml 可以在python中，训练完模型之后，直接将模型导出为PMML文件。 软件版本 Python 2.7，3.4 或者更新。 scikit-learn 0.16.0 或者更新。 sklearn-pandas 0.0.10 或者更新。