conda

安装anaconda环境 访问 https://www.anaconda.com/products/individual 拉到底部，下载并安装相应版本的anaconda 命令行输入conda -V，查看是否安装成功 开发 安装flask、pypmml 命令行输入 pip install flask pip install pypmml 新建server.py并写入 from flask import Flask, jsonify, request import json from pypmml import Model app = Flask(__name__) @app.route('/predict', methods=['POST']) def predict(): input_json = request.get_data(as_text=True) #调用服务器时输入的json字符串 dict_json = json.loads(input_json) model = Model.load('lr_model.pmml')#加载模型文件 result = model.predict(dict_json) return jsonify({'probability(0)':result['probability(0)'],'probability(1)':result[

本文是在windows10上安装了CPU版本的Mindspore,并在mindspore的master分支基础上使用LeNet网络训练MNIST数据集，实践已训练成功，此文为记录过程中的出现问题； （据说此时mindspore的r0.7版本上是直接执行成功的） Windows10 Miniconda 4.8.3 Python 3.7.7 MindSpore master mindspore的gitee地址 【1】首先使用conda activate mindspore 进入mindspore虚拟环境 【2】再切入mindspore中lenet网络的train.py所在目录 D:\gitee\mindspore\model_zoo\official\cv\lenet 【3】执行训练 python train.py --device-target=CPU （因为代码里默认使用的训练设备为Ascend，需要手动设置 --device_target 为 CPU ） 问题一 No module named 'mindspore.dataset.vision’ 报错：文件 D:\gitee\mindspore\model_zoo\official\cv\lenet\src\dataset.py 引入模块 import mindspore.dataset.version.c_transforms

小编电脑显卡GEFORCE RTX2060 tensorflow目前的版本支持的是cuda10.0 首先配置tensorflow-gpu,是需要独立显卡的，小编刚配置的时候也是踩了非常多的坑。下面把正确的步骤非大家分享一下，也是比较简单。 step1:使用win+R 输入CMD打开命令窗口； step2:输入conda install cudatoolkit=10.0.130 step3:输入conda install cudnn=7.6.0 上述三步安装完成及配置好了jupyter notebook 使用tensorflow-gpu 2.0的环境。 注意：在使用这三步之前电脑已经安装好了tensorflow-gpu版本，以及anconda。 第一次发帖，有什么问题可以在下方留言。看到会及时回复。 来源： oschina 链接： https://my.oschina.net/u/4312354/blog/4659817

1.本文简介 最近在研究YOLO V5的用法，借此机会整理一下，希望对大家有参考。 此文对YOLO V5性能不多做介绍，由于网上许多教程都略微有些繁杂，因此本文旨在展示 最简单 的 【搭建方法】和【用法】，供0基础的初学者也能上手。下面将直接进入正题。 【使用篇】已更新： Win10 超详细 0基础 用YOLO V5训练自己数据集【使用篇】 2.环境搭建 2.1.需安装列表 _____________________________ 「必要项」 1.支持cuda的Nvidia显卡（显存越大越好） 2.python 3.8以上(推荐anaconda) 3.Cuda 10.2 4.pytorch 5.YOLO v5源码 「可选项」 1.opencv(推荐) _____________________________ 2.2.安装操作 _____________________________ 2.2.1.python安装 这里使用 anaconda，安装anaconda会附带最新的Python版本以及一些常用库文件和工具 使用百度等引擎搜索anaconda或者 从 https://www.anaconda.com/products/individual 官网下载个人版本 安装好anaconda后，还需要安装两个常用工具。点选 此时，点选下图【CMD.exe Prompt】

【摘要】 本文主要通过两个实际应用案例：一是基于本地 Jupyter Notebook 的 MNIST 手写数据识别；二是基于华为云服务器的 CIFAR-10 图像分类，对开源框架 MindSpore 进行介绍。 犹记得今年的华为开发者大会 HDC 2020 上，一直受人瞩目的深度学习框架 MindSpore 终于开源了。 我之前一直关注 MindSpore，还是挺期待的。MindSpore 是一款支持端、边、云独立/协同的统一训练和推理框架。与 TensorFlow、PyTorch 等流行深度学习框架对标，MindSpore 旨在大幅度降低 AI 应用开发门槛，让人工智能无处不在。 MindSpore 最大的特点就是开发门槛大大降低，提高开发效率，这样可以显著减少模型开发时间。 因此，使用MindSpore的优势可以总结为以下四点： ●简单的开发体验 ●灵活的调试模式 ●充分发挥硬件潜能 ●全场景快速部署 既然开源了，那就赶紧上手，试一试这款开源的 MindSpore 怎么样！本文我将介绍 MindSpore 的安装和上手教程，通过一个简单的图像识别案例来跑完整个 AI 训练和测试流程。 一、MindSpore 的安装 开源框架 MindSpore 的安装方法有很多，可以在 Windows、Ubuntu 上安装，也可以在华为 Ascend 910 上安装

TensorFlow 2.0测试版在今年春季发布，新版本比1.x版本在易用性上有了很大的提升。但是由于2.0发布还没有多久，现在大部分论文的实现代码都是1.x版本的，所以在学习TensorFlow的过程中同时安装1.x和2.0两个版本是很有必要的。 下面是具体操作 首先需要安装Anaconda 然后进入Anaconda prompt（未避免安装失败，最好以管理员身份运行） 安装第一个版本的tensorflow： 现在是默认环境，输入要安装的第一个tensorflow版本：pip install tensorflow==版本号 pip install tensorflow==2.0.0b1 安装完成后可用以下命令检查： conda list 找到tensorflow可查看对应版本： 若速度太慢建议使用国内源进行安装： pip install --index-url https://pypi.douban.com/simple tensorflow==2.0.0 安装第二个版本的tensorflow： 创建一个新的环境：conda create -n 环境名 conda create -n tensorflow 安装完成后进入新环境： activate tensorflow 再安装第二个tensorflow版本： pip install tensorflow==1.14.0

pip 查看安装路径: pip show xxx 可以，下面的方法也可以： 使用pip安装完包后，只需再执行一次命令pip install xx，就会显示安装路径 使用pip freeze命令可以查看安装了那些包 pip list 查看pip安装了哪些包 查看conda安装了哪些包 conda list 来源： oschina 链接： https://my.oschina.net/u/4302946/blog/4531477

解决Win10 PowerShell无法激活Anaconda环境的问题 参考文章： （1）解决Win10 PowerShell无法激活Anaconda环境的问题 （2）https://www.cnblogs.com/dereen/p/ps_conda_env.html 备忘一下。 来源： oschina 链接： https://my.oschina.net/u/4438370/blog/4644287

前言 目前Python的版本已经到了3.8.5，但是在实际的开发中并木有太多的使用者，或者说很的多包和插件都还不支持。（我java猿一枚）目前自己属于一个量化的初学者，对python生态还不是很了解。全程靠着伸手党的本事，在搜索引擎的海洋里打怪升级，今天在这里记录下升级的心酸。 基础 Python3.6 （不要选高了，我开始就用的3.8.5，基本上和用java14一个道理） PyCharm （编码工具） Anaconda3（包及其依赖项和环境的管理工具） 安装Python 教程地址： 传送门 PyCharm安装 这个怪，你的自己打。也可选择别的怪，不强求。 Anaconda3 简介 ： 包及其依赖项和环境的管理工具 资料： anaconda官网：https://www.anaconda.com/ miniconda官网：https://docs.conda.io/en/latest/miniconda.html 外国语大学：https://mirrors.bfsu.edu.cn/help/anaconda/ 清华大学的：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 创建配置量化的环境 Anaconda3创建环境 打开Anaconda3 Prompt 创建pydev环境： conda create -n pydev python