conda

1.安装anaconda3 　　不同版本的anaconda对应着不同的Python，刚开始我下载最新的anaconda软件，最后发现它配套的Python是3.7版本，tensorflow还不支持，白折腾了一阵子。 　　首先我们先下载anaconda的安装包，我是用的Anaconda3-5.1.0-Windows-x86_64，对应的Python是3.6.4。 　　 　　 　　anaconda的安装很简单，安装完成之后我们可以通过Anaconda Prompt的conda list命令进行查看其中的包。 　　 　　同时我们也可以打开spyder软件，通过调用其中的一些包进行编程检验。 　　下面便是一个决策树的简单应用，使用的是sklearn。 　　 　　 2.安装tensorflow（介绍cpu版本，GPU等用到再补充） 　切记：用管理员的身份打开anaconda prompt　然后输入conda create –n tensorflow python=3.6 　　 接着激活环境：输入activate tensorflow 　　 到这一步并没有结束！！ 接下来在tensorflow环境中使用pip install --upgrade --ignore-installed tensorflow这个命令 　　 接着输入检测代码： import tensorflow as tf

Anaconda Spyder 安装: https://www.anaconda.com/download/ 根据系统 下载安装 自带Spyder TensorFlow安装： 打开 anaconda prompt 输入 conda install tensorflow-gpu （20180124这个命令安装的是1.4.0版本），可以直接按TensorFlow GitHub上提示直接安装：pip install tensorflow-nightly-gpu 直接下载whl文件安装也可（推荐）。 GPU环境配置：CUDA8.0 CUDNN6.0 （注意版本，对应TensorFlow1.4.0及其以下，1.5.0以后可能得配CUDA9.0 CUNN7.0）win10下cuda安装貌似也不难，cudnn解压后放至cuda相应目录下就OK了。 "相应目录" = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vx.0 cuda9.0的下载链接： https://developer.nvidia.com/cuda-90-download-archive cudnn7.0下载链接为： https://developer.nvidia.com/rdp/cudnn-download （参考中第四个链接中提供了网盘下载）

Anaconda环境很强大，官网： https://www.anaconda.com/ 。Python官网： https://www.python.org/ 。 Anaconda主要功能有： 默认安装了很多常用的软件包； 同时安装和管理多个Python环境，允许自主的选择使用特定的环境； 导出配置环境的配置文件，而且可以根据导出的配置文件恢复整个环境，这对于多人协作非常有用。 具体内容如下： 获取帮助 和很多Linux命令类似，有两种方式： conda -h 或 conda --help 对于二级命令，也可以用这种方式获取帮助。 conda update -h PIP获取帮助： pip --help 管理多个Python环境 安装好Anaconda之后，打开Anaconda命令提示符：开始菜单->Anaconda->Anaconda Prompt。也可以通过配置系统环境变量，来执行下面的操作。 查询所有环境信息（或conda info -e） ： 命令： conda info --envs python --version 或者上面命令的等价命令： conda info -e 以及另外的查询环境命令： conda env list 输出： # conda environments: # base * d:\ProgramData\Anaconda3 Python 3.6.4 ::

1.pycham安装 一般不选择最新版本,我用的是2018.3，选择 Professional专业版 1.1 官网地址： https://www.jetbrains.com/pycharm/download/#section=mac 如果你不下载最新版本，请看下图点击other version 1.2 选择专业版2018.3 1.3 pycham密钥登陆 这个如果是mac用户可以去网上搜一下pycham密钥 windows，Ubuntu的用户永久使用pycham方法： 修改你们的pycharm.exe.vmoptions和pycharm64.exe.vmoptions文件（我的是在E:\PyCharm 2018.2.4\bin\文件里） pycharm.exe.vmoptions -server -Xms128m -Xmx512m -XX:ReservedCodeCacheSize=240m -XX:+UseConcMarkSweepGC -XX:SoftRefLRUPolicyMSPerMB=50 -ea -Dsun.io.useCanonCaches=false -Djava.net.preferIPv4Stack=true -Djdk.http.auth.tunneling.disabledSchemes="" -XX:+HeapDumpOnOutOfMemoryError

tf1.13.1 及 tf2.0.0 相关依赖及版本 　　 　　 硬件说明：显卡NVIDIA-GEFORCE-GTX-1060 1.驱动版本检查，并且更新显卡驱动【这一步很重要，你的驱动版本低了，cuda及cudnn就可能出错】 错误：DLL load failed: 找不到指定的模块。 cmd中输入：nvidia-smi 　　　　 显卡驱动已经是最新的了。如果不是最新的显卡驱动，需要手动更新一下。 补充：驱动version对应 cuda 和 cudnn的版本 　　　　 我们安装的cuda 是10.0.130 所以：win10对应的nvidia的驱动版本要大于411.31。【我更新后的显卡驱动为：436.48满足条件】 　　　　 假如你的驱动版本低于411.31，就需要更新驱动 驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us 选择下载版本：根据自己电脑的显卡型号进行选择（百度相关机型，就能有详细信息；也可以在硬件里查看；） 第一次下载的标准版本，提示我的电脑windows Drivers Type 为DCH 而不是标准版本，所以重新下载安装成功。 　　　　 下载的驱动：436.48-desktop-win10-64bit-international-dch-whql.exe 按提示（prompts）安装即可。

我的安装版本： win10 x64 VS2015 conda python 3.7 显卡 GTX 940mx Cuda 9.0 cudnn v7.3.1 Tensorflow-gpu 1.13.1 1.安装Anaconda 　　自动安装python3.7 2.安装VS2015 　　tensorflow其实是基于VC++2015开发的，所以需要安装vs2015 　　下载地址 https://pan.baidu.com/s/1F7g4sn5qj82RI0syjznFMQ 密码：fe9f 　　 https://my.visualstudio.com/Downloads?q=visual%20studio%202015&wt.mc_id=o~msft~vscom~older-downloads 3. 安装显卡驱动 　　去官网找适合自己型号即可 4. 安装CUDA 　　显卡型号支持： https://developer.nvidia.com/cuda-gpus 　　 下载安装CUDA ，安装好之后把CUDA安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0下的bin和lib\64添加到Path环境变量中 　　在命令行输入nvcc --version(或者nvcc -V，大写的V)，出现此图说明成功安装了vs+cuda

之前一直用python3.5，今天学习需要安装face-recognition，在安装完dlib后安装face-recognition时报错CMake must be installed to build the following extensions: dlib，通过查询资料得知以下解决方法。 首先必须知道 安装face-recognition需要首先安装dlib，安装Dlib时如果是python3.5以上（含3.5）需要先安装cMake编译工具，若不安装cmake后面安装face-recognition时就会报以上错误；而python3.6版本可直接安装不需要cmake。 解决办法一：卸载dlib，装cmake，重新装dlib，再装face-recognition。 解决办法二：在Anaconda环境中新建python3.6环境，使用时只需activate+环境名即可切换。如下图。 解决办法一耗时耗力，我采用了办法二。 在安装好python3.6后，再安装dlib和face-recognition不再报错，但有两点问题： 1、安装好dib直接安装face-recognition会报错“python -m pip install --upgrade pip”，更新pip即可。 2、安装face_recognition时 pip install face

是时候给你说说 爬虫框架了 使用框架来爬取数据 会节省我们更多时间 很快就能抓取到我们想要抓取的内容 框架集合了许多操作 比如请求，数据解析，存储等等 都可以由框架完成 有些小伙伴就要问了 你他妈的 为什么不早点说呢？ 是这样的 当你不知道 1+1 是什么的时候 你去使用计算器来计算 也是没用的 对吧 所以框架的使用 在现在这个时候（爬虫28篇之后）讲 就是一个不错的时机 今天 小帅b就跟你说说 scrapy这个框架 到底有多牛b 那么 接下来就是 学习 python 的正确姿势 要使用 scrapy 首先当然你得需要有啊 你可以使用 conda 安装 conda install -c conda-forge scrapy 你也可以使用 PyPI 安装 pip install Scrapy scrapy依赖一些相关的库 lxml parsel w3lib twisted cryptography and pyOpenSSL 如果你在使用 scrapy 的时候发现相关库缺失 把裤子穿上就是了 哦不是 把你缺失的库安装上就完事了 好了 现在假设你已经安装好了 scrapy 这个框架 那么接下来 小帅b会带你使用它来爬取一下 糗事百科 的段子 主要让你知道 scrapy 的使用以及体验它的牛逼之处 废话不多说 在你想要存放的爬虫文件目录下 使用命令来创建一个 scrapy 爬虫项目

一、确认tensorflow的版本： 接上一条tensorflow的安装，注意版本不匹配会出现很多问题！： 【吴恩达课程使用】anaconda (python 3.7) win10安装 tensorflow 1.8 源网址： https://docs.floydhub.com/guides/environments/ Below is the list of Deep Learning environments supported by FloydHub. Any of these can be specified in the floyd run command using the --env option. If no --env is provided, it uses the tensorflow-1.9 image by default, which comes with Python 3.6, Keras 2.2.0 and TensorFlow 1.9.0 pre-installed. Framework Env name (--env parameter) Description Docker Image Packages and Nvidia Settings TensorFlow 1.14 tensorflow-1.14 TensorFlow 1.14.0 +

使用 from scipy.misc import imread, imresize, imsave 时出现报错，查找后发现新版本的Scipy不再包含imread，imresize，imsave，需要使用的话，就安装 scipy 1.0.0 版本， 比如： conda install --prefix= /home/xxx/PycharmProjects/project_01/env scipy=1.0.0 imread将用 imageio.imread 来取代，输入： conda install --prefix= /home/xxx/PycharmProjects/project_02/env imageio 安装imageio 同样imresize，imsave也被从scipy移除，分别使用 skimage.transform.resize 和 imageio.imwrite 来代替。 安装skimage (Scikit-image) conda install --prefix= /home/xxx/PycharmProjects/project_02/env scikit-image 来源： oschina 链接： https://my.oschina.net/u/4295888/blog/3340360