conda

0. 说明 跑通他: https://github.com/CorentinJ/Real-Time-Voice-Cloning 中文版1: https://github.com/KuangDD/zhrtvc git clone https://github.com/CorentinJ/Real-Time-Voice-Cloning.git cd Real-Time-Voice-Cloning/ 1. 环境 环境名字为: voiceclone_p36 conda create -n voiceclone_p36 python=3.6.5 conda activate voiceclone_p36 conda install pytorch torchvision torchaudio cpuonly -c pytorch conda install -c conda-forge librosa # 这一点是特别的 (把 ffmpeg也顺便装好了 ) 将requirement.txt中的librosa那条删除 conda install tensorflow-gpu==1.14 将requirement.txt中的tensorflow==1.15那条删除 sudo pacman -S python-pyqt5 将requirement.txt中的PyQt5那条删除 再删除一些已经装好的

Littlest JupyterHub（TLJH）是JupyterHub的一个简化发行版，用于单个服务器上用户数在0-100人的科学计算环境管理，使用者无需自行配置计算环境，直接打开浏览器就可以完成脚本的编写、运行任务，实现跨平台、全tian'hou的编程方式。TLJH目前仍处于测试阶段，但已经取得了巨大的成功。 如果用户数大于100人，则推荐使用 JupyterHub with Kubernetes 安装前须知 需要熟悉命令行指令操作 一个运行 Ubuntu18.04 的服务器（我用的是ali云的 学生优惠机 ，包年114元） 服务器上至少有 1.15GB的RAM 能够ssh进入服务器运行命令 可以从浏览器访问服务器的 IP地址 安装 Littlest JupyterHub 首先通过ssh方式登录服务器，我是直接通过阿里云的在线ssh进行登录的，也可以在本地下载PuTTY进行登录，参考 Putty远程登录云ECS教程 ， 可以看到此时已经登录上服务器了： 继续安装一些必要的工具和程序，如curl，git等 sudo apt-get install python3 python3-dev git curl 然后就可以开始安装TLJH了，命令如下： curl -L https://tljh.jupyter.org/bootstrap.py | sudo -E python3 - -

在TLJH中，所有的用户使用的是同一个conda环境，用户可以调用环境中的所有软件包，管理员可以通过多种方式为用户安装所需要的软件环境。 通过pip安装依赖包 pip工具用于从Python Packaging Index（PyPI）中下载安装依赖，PyPI中有超过145000个软件包。 1、使用管理员权限登录JupyterHub并打开一个命令行窗口 2、输入安装命令 sudo -E pip install <packages-name> 根据需要将命令中尖括号部分进行替换，以安装numpy为例： 通过conda安装依赖包 conda可以安装来自其他语言中的软件包，如node，R等，特别是当依赖包需要链接到C/Fortran代码时，推荐使用conda而不是pip安装 1、使用管理员权限登录JupyterHub并打开一个命令行窗口 2、输入安装命令 sudo -E conda install -c conda-forge <package-name> 根据需要将命令中尖括号部分进行替换，以安装gdal为例： 通过apt安装依赖包 apt是 Ubuntu Linux 发行版的官方软件包管理器，它可以安装实用程序（如 vim、 sl、 htop 等）、服务器应用（postgres、 mysql、 nginx 等）、比 conda 支持更多的语言（haskell、 prolog、

最近用笔记本跑Keras和TensorFlow深度学习代码，一个模型跑十几个小时还奔溃，真的头大！这篇文章简单讲解易学智能GPU搭建Keras环境的过程，并实现了LSTM文本分类的实验，本来想写Google Colab免费云，但看知乎评价也不太好（梯子常断网、时间限制、数据量小）。因此，选择一个评价较好的平台供大家学习（6块一小时），也希望大家推荐更好的平台，百度飞浆后续准备也学习下，希望这篇文章能解决自身电脑配置不足，需要GPU运行模型且服务器价格又不是太高的同学，加油！ 如果个人电脑足够使用的同学，则可以看看这篇文章的LSTM文本分类代码，下一篇文章我将详细对比。基础性文章，希望对您有所帮助。 本专栏主要结合作者之前的博客、AI经验和相关视频及论文介绍，后面随着深入会讲解更多的Python人工智能案例及应用。基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵~作者作为人工智能的菜鸟，希望大家能与我在这一笔一划的博客中成长起来。写了这么多年博客，尝试第一个付费专栏，但更多博客尤其基础性文章，还是会继续免费分享，但该专栏也会用心撰写，望对得起读者，共勉！ Keras下载地址： https://github.com/eastmountyxz/AI-for-Keras TensorFlow下载地址： https://github.com/eastmountyxz/AI

精、点击上方 “ 码农的后花园 ”， 选择 “ 星标 ” 公众号 精选文章，第一时间送达 上期讲解了语义分割模型的基本架构和常用数据集，这期就讲解一下语义分割数据集的制作，追下去吧~ 制作总体步骤： 1. 使用lableme对图片数据进行标注，生成对应图片的x.json文件。 2. 执行lableme下的内置函数labelme_json_to_dataset，依次 手动 生成图片对应的x_json文件（或者使用代码一次性处理生成）。 3. 对第二步生成文件夹中的文件进行处理，生成语义图片label.png。 4. 将语义图片转换为类别灰度图图片-最终训练标签文件。 一、文件目录结构： 二、正式开始制作 第一步：标注软件的安装 1.Anaconda Prompt中创建一个环境 conda create --name=labelImg python=3.6 2.激活进入刚建立的新环境， conda activate labelImg 3.安装界面支持pyqt5包 pip install pyqt5 -i https://pypi.douban.com/simple/ 4.下载安装labelme pip install labelme -i https://pypi.douban.com/simple/ 5.输入命令labelme，就可以启动程序进行数据标注 第二步：进行标注 A

1、Anaconda软件的优点： Anaconda指的是一个开源的Python发行版本开发平台，在进行Python开发上方便简洁，有利于初步学习和实践深度学习。 2、Anaconda软件的下载： Anaconda在官网即可免费下载，网址： https://www.anaconda.com/download/ 。官网上可以选择多种安装包，推荐选择最新 基于Python 3.6版本（windows 64位/32位操作系统），如下图： 3、Anaconda软件的安装： 1）下载安装包，然后 双击 .exe文件即可安装；（注：选择安装路径，最好是全英文） 2）安装过程中出现的两个选项都选上，然后等待安装完成； 3）安装完成后，打开Windows的命令行窗口（ Win+R ，输入 cmd ），并根据命令提示符输入 conda list ， 查询安装了哪些库，常用的numpy, scipy等安装上就可以，后续如还需要安装或更新其它库，可在命令行窗口 分别输入：conda install *** 、conda update ***； 4）安装完成后，进入Windows菜单栏，可以看到Anaconda软件包含如下软件： 其中，Anaconda Navigator 是Anaconda Prompt的图形界面，提供图形化显示和鼠标操作, 不常用 ； Anaconda Prompt 即为命令行窗口