conda

环境是anaconda python 3.7+ cuda10.0 ,但是当前的 tensorflow支持的最高python版本为python3.6 https://pypi.org/project/tensorflow-gpu/#files 所以在安装完后需要创建python3.6的环境 conda create -n py36 python=3.6 anaconda 　　此命令执行完后 启动环境 activate py36 离开环境 deactivate py36 启动环境之后尝试利用conda install tensorflow-gpu 来安装，但是出现了以下问题 尝试更新conda 还是不行。 解决办法一是在原来的python3.7的环境下执行 conda install -n py36 tensorflow-gpu 　　 另外一种解决办法是，在原来python3.7conda环境下执行conda update -n py36 conda, 更新py36环境下的conda 在py36环境下查看其conda的版本信息，发现已经将python的版本更新到了4.6.1版本，此后就可以直接利用py36环境下的conda了 来源： oschina 链接： https://my.oschina.net/u/4285813/blog/3661791

从无搭建GPU环境经验，尝试一天终于完成，原来一轮训练需要15个小时使用GPU20多分钟。 环境：Ubuntu16.0.4； nvidia-smi 396 ； 安装 ：python 3.6 + cuda 9.0 + cudnn7.4.1 + tensorflow-gpu1.12.0 + keras2.2.4 1.注册 百度的AI studio平台 完成任务（两三分钟）可以获得100小时的GPU 地址 https://aistudio.baidu.com/ （创建项目，上传数据集，启动项目很快就能学会使用） 启动环境进入终端 2.开始配置cuda cudnn 少走弯路：先确定cuda 版本，再选择对应版本的cudnn 和 tf； 2.1查看显卡驱动 nvidia-smi 2.2查看驱动对应的cuda版本 地址： https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 注：显卡驱动是向下兼容的，平台的驱动是396，无法安装cuda10；所以选择cuda9. 2.3.选择cudnn 版本 查看cuda cudnn 对应版本 https://tensorflow.google.cn/install/source#linux 注：最终选择 cudnn 7 好 tf-1.12.0; 3.安装 3.1 下载 cudnn

使用Tensorflow从0开始搭建精灵宝可梦的检测APP 本文为 本人 原创，转载请注明来源链接 环境要求 Tensorflow1.12.0 cuda 9.0 python3.6.10 Android Studio Anaconda 安装Tensorflow 使用conda 安装GPU版Tensorflow conda install tensorflow-gpu=1.12.0 找到tensorflow的安装位置 我的位置在: home/jiading/.conda/envs/tensorflow12/lib/python3.6/site-packages/tensorflow 通过conda安装的tensorflow是不包括models这一模块的，需要从Github上下载: https://github.com/tensorflow/models 将它克隆到tensorflow文件夹下: 打开models\research\object_detection,按照https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/installation.md提示的进行安装 运行 python object_detection/builders/model_builder_test.py

在尝试用 LazyNet 时，由于原作者提供的OpenCV和OpenBLAS版本和我的环境不一样，考虑自行配置依赖。 OpenCV源码编译的文章很多，这里主要说一下OpenBLAS的编译。 cblas_sgemm crash 基于VS2017的MSVC编译器，编译安装openblas develop分支最新版，发现 LazyNet 代码有crash（access violation），而在Linux（ubuntu16.04，G++/Clang++-8）则运行正常。剥离出来的复现问题的最小化代码见下方，解决办法是 用clang-cl（Windows下和MSVC兼容的clang编译器）重新编译OpenBLAS ， 讨论帖在此 。 #include <stdio.h> extern "C" { #include <cblas.h> } int main() { printf("OpenBLAS config info:\n%s\n", openblas_get_config()); #if 1 // will cause crash on VS2017 x64 with OpenBLAS latest const int M = 16; const int N = 676; const int K = 27; #else // won't crash const int M = 4;

使用anaconda，本来是为了减少装第三方模块依赖出错问题的。 但是，今天发现，也是有坑啊。 首先 import ssl 报错， import _ssl 说DLL load failed 解决办法：用官方的python zip文件包的 _ssl.pyd 替换anaconda中的 _ssl.pyd 文件 1.在anaconda 安装目录找到DLLs/_ssl.pyd文件，改名为_ssl.pyd_bk，作为本分，以防不测。如果是使用了虚拟环境，也要将env中的虚拟环境中的_ssl.pyd替换 2.查看本机的python具体版本，并在 Python的官网 中下载相对应的版本的Python ZIP文件 3.解压，获取zip文件中的_ssl.pyd,并放在相应的anaconda 安装目录（就是_ssl.pyd_bk的目录） 4.import 测试 参考：http://www.pianshen.com/article/6230302890/ 然后接着是 psycopg2 的报错， 我之前的项目是使用pg数据库的，今天在新电脑clone了代码，跑的时候发现没有 psycopg2 想当然的使用conda install psycopg2 了 安装后接着跑代码，发现。。。 网上说换一个编译版，but,已经打不开他们说的网站了。找了一大通无果， 烦躁的我直接 conda uninstall

最近更新了Anaconda软件，重新配置了以下Python开发环境，结果之前旧环境开发的好好的程序竟然跑不起来。网上各种搜索，各种找答案还是没有一篇靠谱的文章教我把问题解决。走了各种弯路，足足整了几天才搞定。在此做个记录，如果你也碰到类似问题，而本文恰好帮到你，本人不胜荣幸。 闲话少叙，我的操作系统：win10（x64），我的安装步骤是先装Anaconda，再装pycharm，其实无所谓，最后配置好就一样的。 1.Anaconda 1.1 首先下载Anaconda，直接到官网下即可，如果网速慢，还可以到清华大学的镜像网站下载。进入官网，如下选择Python3.6对应的64位版。 1.2 下载后双击安装包启动安装，一直傻瓜式下一步，到下图这里时，把红框里的勾要勾上，这里勾上其实就是安装程序自己帮你把anaconda的路径加到环境变量中去，可以直接在命令行中调用Python和conda命令。一定勾上的原因我们要在pycharm中直接使用anaconda的root环境。不勾就不能在pycharm中import anaconda帮我们装好的第三方库，会提示dll丢失。 后面的步骤继续傻瓜式一步一步往下走直到安装完成。 1.3 如果你安装前电脑里没有装Python，安装完成后打开CMD，输入Python，会得到如下结果： 输入conda list

第一步 安装Miniconda3 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh chmod +x bash Miniconda3-latest-Linux-x86_64.sh 一路选择安装好 第二步 设置Conda源为中科大源（必要，不然会因为网速慢无法下载） 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 --set show_channel_urls yes 替换默认镜像源 conda config --set channel_alias https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud 第三步 安装 jupyter notebook conda install jupyter 第四步 安装 xeus-cling conda install xeus-cling -c conda-forge 第五步

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

[toc] 1. 起因 由于最近在处理遥感影像、空间矢量数据需要自己写代码实现，就决定用Ananconda在windows10上配置一个地理科学计算的Python环境，在安装 geopandas 时遇到了一些问题。 什么是geopandas？ <table><tr><td bgcolor=#DCDCDC> GeoPandas是一个开源项目，Pandas是Python的一个结构化数据分析的利器,GeoPandas扩展了pandas使用的数据类型，允许对几何类型进行空间操作，DataFrame相当于GIS数据中的一张属性表，使得可以直接操作矢量数据属性表，其目标是使得在python中操作地理数据更方便。</td></tr></table> 使用pip在Linux和Mac上安装geopandas可能很简单。然而由于它的几个依赖包都有C扩展，直接安装会导致在Windows上编译失败，最终安装失败。安装geopandas之前需要先安装依赖项 GDAL , Fiona , pyproj ， rtree 和 shapely 。 2. 解决办法 环境：Windows 10 64位 可以使用conda安装（简单），也可以使用pip安装（麻烦些） (1). 使用Anaconda（带有大量科学计算包的发行版Python）安装 这种方法比较简单，尤其是只想快速搭建环境的数据科学处理人员

我将演示如何利用提供的全球病毒传播的开放数据，使用开源库来创建两个可视效果。 使用 Python 和一些图形库，你可以预测 COVID-19 确诊病例总数，也可以显示一个国家（本文以印度为例）在给定日期的死亡总数。人们有时需要帮助解释和处理数据的意义，所以本文还演示了如何为五个国家创建一个动画横条形图，以显示按日期显示病例的变化。 印度的确诊病例和死亡人数预测 这要分三步来完成。 1、下载数据 科学数据并不总是开放的，但幸运的是，许多现代科学和医疗机构都乐于相互之间及与公众共享信息。关于 COVID-19 病例的数据可以在网上查到，并且经常更新。 要解析这些数据，首先必须先下载。 https://raw.githubusercontent.com/datasets/covid-19/master/data/countries-aggregated.csv 。 直接将数据加载到 Pandas DataFrame 中。Pandas 提供了一个函数 read_csv() ，它可以获取一个 URL 并返回一个 DataFrame 对象，如下所示。 import pycountry import plotly.express as px import pandas as pd URL_DATASET = r'https://raw.githubusercontent.com/datasets