conda

在终端输入conda info --envs检验anaconda是否安装成功，发现报错：conda: command not found 原因是因为~/.bashrc文件没有配置好 vim ~/.bashrc 在最后一行加上 export PATH=$PATH:/home/vincent/anaconda3/bin 但是要注意地址！！！不能直接复制粘贴我的 因为我的Linux用户名是vincent，anconda3刚好是安装在/home/vincent/anaconda3/bin下面，所以你需要换成自己的安装目录，即 export PATH=$PATH:【你的安装目录】 然后保存更改，运行 source ~/.bashrc 此时再运行conda info --envs，出现下面的提示即为成功 来源： oschina 链接： https://my.oschina.net/timebear/blog/4289929

在 此前的文章 中，我已经向你介绍了Kubeflow，这是一个为团队设置的机器学习平台，需要构建机器学习流水线。 在本文中，我们将了解如何采用现有的机器学习详细并将其变成Kubeflow的机器学习流水线，进而可以部署在Kubernetes上。在进行本次练习的时候，请考虑你该如何将现有的机器学习项目转换到Kubeflow上。 我将使用Fashion MNIST作为例子，因为在本次练习中模型的复杂性并不是我们需要解决的主要目标。对于这一简单的例子，我将流水线分为3个阶段： Git clone代码库 下载并重新处理训练和测试数据 训练评估 当然，你可以根据自己的用例将流水线以任意形式拆分，并且可以随意扩展流水线。 获取代码 你可以从Github上获取代码： % git clone https://github.com/benjamintanweihao/kubeflow-mnist.git 以下是我们用来创建流水线的完整清单。实际上，你的代码很可能跨多个库和文件。在我们的例子中，我们将代码分为两个脚本， preprocessing.py 和 train.py 。 from tensorflow import keras import argparse import os import pickle def preprocess(data_dir: str): fashion_mnist

Py之imblearn：imblearn/imbalanced-learn库的简介、安装、使用方法之详细攻略 目录 imblearn/imbalanced-learn库的简介 imblearn/imbalanced-learn库的安装 imblearn/imbalanced-learn库的使用方法 imblearn/imbalanced-learn库的简介 imblearn/imbalanced-learn是一个python包，它提供了许多重采样技术，常用于显示强烈类间不平衡的数据集中。它与scikit learn兼容，是 scikit-learn-contrib 项目的一部分。 在python3.6+下测试了imbalanced-learn。依赖性要求基于上一个scikit学习版本： scipy(>=0.19.1) numpy(>=1.13.3) scikit-learn(>=0.22) joblib(>=0.11) keras 2 (optional) tensorflow (optional) imblearn/imbalanced-learn库的安装 pip install imblearn pip install imbalanced-learn pip install -U imbalanced-learn conda install -c conda-forge

Follow Me， Buddy！ 一、写在前面 二、nnUNet框架如何安装？ 1. 你应该配置哪些环境？ 2. 整理你的数据！ ① nnUNet需要你把你要训练的数据做一个好好的整理，初学者请务必按照我的做法，等你熟练掌握以后再考虑新的姿势（有些文件夹的创建时多余的，但是你还是跟着我这样做最好）： 3.设置nnUNet读取文件的路径 三、在Task08_HepaticVessel上进行训练！ 1. 转换一下你的数据集，让它可以被nnUNet识别 2. 预处理 3.开始训练 4.简单说下配置 5.至于调参 四、怎么在自己的训练集上训练？ 一、写在前面 1.笔者对nnUNet的使用也才一个多月，真正进入医疗影像领域也才三个月。对于nnUNet的理解肯定还停留在表层，希望大家在使用的时候能抱着一种纠错的态度，我会很感谢大家的指点！ 2.nnUNet是德国癌症研究中心的工程师编写的框架，迄今为止依旧在维护和更新，希望大家共勉，“抄”出自己的水平的同时，协助框架的维护，也是在帮助中国医疗行业（手动狗头）。 3.此框架仅在Ubuntu18.04上进行过安装，win上需要键入参数运行，框架作者的建议也是在linux系统。作者建议不在conda的环境下，但我的框架在两个服务器三台主机上都未遇到什么conda的问题。1.5.1+cu10.1 4

1. 管理员权限进入 Anaconda Prompt 2. conda update conda 3. conda update anaconda 4. conda update python 5. conda update anaconda-navigator 6. anaconda-navigator --reset 7. conda update anaconda-client 8. conda update -f anaconda-client 这样就全面更新完成了哟。 来源： oschina 链接： https://my.oschina.net/ykbj/blog/4274510

我的基本情况： 先汇报我电脑的情况:Win10系统+已下载的3.8版本的python+已安装pycharm 我的安装目标：anaconda安装+tensorflow（cpu）+pycharm/spyde正常引包 anaconda下载及tensorflow环境创建 1.官网下载anaconda Python 3.7 version —64-Bit Graphical Installer (462 MB)—自定义安装路径—一直选择next 2.安装完成Anaconda之后进行环境变量的测试 2.1 检测anaconda环境是否安装成功：点击计算机开始，出现下图Anaconda prompt 选择进入anaconda prompt——输入conda --version 2.2 检测目前安装了哪些环境变量：conda info --envs 2.3查看当前有哪些可以使用的tensorflow版本： conda search --full --name tensorflow 3.在anaconda中安装tensorflow 3.1 创建 tensorflow 环境，安装python3.7， anaconda prompt输入 ： conda create --name tensorflow python=3. 7（创建3.6的python也可） （上图为创建的3.6环境）输入y确定 3

conda 常用命令 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 conda新建环境 conda create -n your_env_name python=X.X -> 新建环境 conda activate your_env_name 更改国内源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ 查看cuda版本 ls -l /usr

计算机资源准备 操作系统：mac、Linux（双系统或虚拟机） 配置：8G+内存，500G存储 配置举例： 内存 8G，DRR3-1600-16芯的4G内存条 2根 SSD 120G，特科芯 HDD 1T，希捷5200转 CPU P9600 需要安装的软件：sratoolkit, fastqc, hisats, samtools, htseq-count, R, Rstudio ubuntu操作系统准备 1 # 备份源文件，然后将默认镜像源改成清华源 2 $ 3 # 更新升级索引 4 $ sudo apt- get update 5 $ sudo apt-get upgrade # 创建软件下载目录src和软件目录biosoft（用于编译安装） $ cd && mkdir src && mkdir biosoft anaconda 简介：软件管家，快速便捷的安装软件，推荐 参考： https://zhuanlan.zhihu.com/p/25085567 http://python.jobbole.com/86236/ sratoolkit 作用：数据格式转换 介绍： sratoolkit的主要用途还是把NCBI SRA（Sequence Read Archive）数据库中的NGS序列数据从 sra 格式转换到 fastq 格式，以便于后续的数据分析。 功能：下载，操作

本文 GitHub https:// github.com/Jack-Cherish /PythonPark 已收录，有技术干活文章，整理的学习资料，一线大厂面试经验分享等，欢迎 Star 和 完善。 一、前言 该系列文章的内容有： Pytorch的基本使用 语义分割算法讲解 先从最简单的语义分割基础与开发环境搭建开始讲解。 二、语义分割 语义分割是什么？ 语义分割（semantic segmentation） : 就是按照“语义”给图像上目标类别中的每一点打一个标签，使得不同种类的东西在图像上被区分开来。可以理解成像素级别的分类任务，直白点，就是对每个像素点进行分类。 简而言之，我们的目标是给定一幅RGB彩色图像（高x宽x3）或一幅灰度图像（高x宽x1），输出一个分割图谱，其中包括每个像素的类别标注（高x宽x1）。具体如下图所示： 注意 ：为了视觉上清晰，上面的预测图是一个低分辨率的图。在实际应用中，分割标注的分辨率需要与原始图像的分辨率相同。 这里对图片分为 五类 ：Person（人）、Purse（包）、Plants/Grass（植物/草）、Sidewalk（人行道）、Building/Structures（建筑物）。 与标准分类值（standard categorical values）的做法相似，这里也是创建一个 one-hot编码 的目标类别标注——本质上即为