conda

前几天写好的github文件被删掉了,重新写了下,在这里备份下. pyhon开发环境配置 系统 Ubuntu 16.04 版本 Python 3.6 相对于系统自带的Python,Anaconda方便对不同的项目进行不同的管理,每个环境可以不同的开发环境,免去了频繁设置的繁琐和包管理,项目移植时环境配置问题.使用Anaconda需要掌握环境管理和package管理. 这里给出 官方的教程链接 ,下面用中文简要摘抄一些内容. 更改Anaconda源为清华源 在命令行下输入以下命令 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --set show_channel_urls yes 在~/.condarc文件添加如下命令 channels: - https://mirrors.tuna

https://www.anaconda.com/distribution/#download-section 官网下载地址 https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ Anaconda 镜像使用帮助 https://repo.anaconda.com/archive/Anaconda2-2019.07-Windows-x86_64.exe 64bit for Python 2.7 version，使用IDM下载即可 https://repo.anaconda.com/archive/Anaconda3-2019.07-Windows-x86_64.exe 64bit for Python 3.7 version ，使用IDM下载即可 Anaconda3 没有开始菜单，参考： https://www.jianshu.com/p/beb59ca2b46e ？ 一、安装 Anaconda2 -2019.07-Windows-x86_64.exe 开始菜单 安装完成。已经自动安装了python 2.7.16 可以将 “D:\PythonWork\Anaconda2” 目录添加到path中 二、再安装 python 3.7 开始菜单 --> 启动 Anaconda Prompt (Anaconda2) 运行命令：conda

Anaconda介绍 Anaconda 是在 linux、windows 和 mac os x 上执行 Python/R 数据分析和机器学习的最简单的方式并且它是开源的。它在全球拥有超过 1, 100万用户, 是在单独的一台机器上进行开发、测试和训练的行业标准, 因为具备以下特点，从而使他能都独立的进行数据分析: 1. 提供了大量的Python/R 数据分析包 2. 使用 conda 管理库、依赖关系和环境 3. 使用 scikit-learn, TensorFlow和Theano进行开发、训练机器学以及深度学习 4. 使用 Dask、Numpy、pandas和 Numba 分析具有可扩展性和性能的数据 5. 使用 Matplotlib、Bokeh、Datashader 和Holoviews 实现可视化结果 Anaconda下载 官方下载地址为:https://www.anaconda.com/distribution/ 下载完成后，按照提示一步一步安装完成即可 配置环境变量 将Anaconda的路径 C:\Anaconda3;C:\Anaconda3\Scripts;C:\Anaconda3\Library\bin;C:\Anaconda3\Library\mingw-w64\bin;C:\Anaconda3\Lib\site-packages 配置到系统环境变量Path中去

下载失败 conda install xxx 出现如下报错： CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.anaconda.com/pkgs/main/win-64/xxxxx.tar.bz2> Elapsed: - An HTTP error occurred when trying to retrieve this URL. HTTP errors are often intermittent, and a simple retry will get you on your way. 解决方法一 出现错误即是下载失败，配置清华大学镜像源： conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config -

py文件打包成exe文件的方式一共有三种：py2exe、PyInstaller和cx_Freeze 本文分四个步骤来详讲如何用PyInstaller将py文件打包成exe文件 1. PyInstaller 简介 2. PyInstaller 安装 3. 将py文件打包成exe文件 4. PyInstaller打包常见问题 一. PyInstaller简介 1.python相关文件介绍 python作为一门解释型脚本语言，它有三种发布方式： .py文件 : 源码文件，运行需要使用者安装Python环境并且安装依赖的各种库 .pyc文件：pyc文件是Python解释器可以识别的二进制码，可跨平台的，需要使用者安装相应版本的Python和依赖库。 可执行文件：不需要安装python环境和依赖库,可针对不同平台需要打包不同的可执行文件（Windows,Linux,Mac,...） 2.PyInstaller的原理简介 1. PyInstaller工具可以把python解析器和脚本打包成一个可执行的文件，并不是编译成真正的机器码，打包成一个可执行文件后运行效率可能会降低，好处就是在使用者的机器上可以不用安装python和你的脚本依赖的库。 2. 利用PyInstaller对指定的的脚本打包时，会先分析脚本所依赖的其他脚本，然后根据导包路径去查找，把所有相关的脚本收集起来

系统环境： OS：deepin 15.11（均为系统默认配置） Anaconda Distribution 64位（x86）安装程序（517 MB） Jupyter 官方提供三种安装方式：conda、pip、python 能力有限使用 pip、python 的方式没有安装成功，尝试使用 Anaconda Distribution 库的 conda 命令在 deepin系统中实现自动化快速部署 jupyter notebook。 Jupyter 官方安装文档连接 conda 官方下载地址 建议使用第三方工具下载很快然后导入到系统 conda 官方安装文档 安装过程： 1、安装 Anaconda Distribution sudo wget https://repo.anaconda.com/archive/Anaconda3-2019.07-Linux-x86_64.sh bash Anaconda3-2019.07-Linux-x86_64.sh python@python-PC:~/Desktop$ bash Anaconda3-2019.07-Linux-x86_64.sh Welcome to Anaconda3 2019.07 In order to continue the installation process, please review the license

　　嗯！花费了不少时间才把pytorch安装成功。主要原因就是： 清华和中科大的Anaconda国内镜像源关闭了 activate.bat 不是内部或外部命令（这个真实奇怪） ============ 国内镜像又有了。。。。我太难了。所以可以不用参考我的方法了！！= ===================== 1. 安装过程 　　可以去 Anaconda官网 下载windows的最新的anaconda，直接安装即可。安装过程可以直接看官网： https://docs.anaconda.com/anaconda/install/windows/ 　　我自己有一步不一样，就是是否add path这一步。如果勾了，电脑的环境变量回自动加上去，否则需要自己另外添加，都有利弊，选择吧，皮皮虾们。 　　 启动 anaconda prompt（ 可直接询问小娜，或再windows最近添加中找到 ），如果显示如下（base）开头说明进入了anaconda环境， 创建虚拟环境命名为pytorch(随意命名) 1 conda create -n pytorch python=3.7 2 conda activate pytorch 　　其中第一行 python=3.7 是自己电脑中安装的版本，并激活 通过Conda安装pytorch。可以去官网查看合适自己电脑配置的命令： https:/

在Python的众多IDE中，Anaconda可以说是最适合做数据分析的环境。以下是一些关于Anaconda的指令： # 可通过 conda --version 获取当前Anaconda的版本号 conda --version # 通过执行 conda update conda 命令来升级conda 的版本 # 通过 pip install * 来安装所需要添加的库，例如，需要安装pyecharts库 pip install pyecharts # 通过 pip uninstall * 来卸载所不需要的库，例如，卸载pyecharts库 pip uninstall pyecharts 来源： oschina 链接： https://my.oschina.net/u/3750423/blog/3420838

---恢复内容开始--- 前提：已经安装了python和Anaconda （windows系统） 在Anaconda安装好之后，其文件夹下有一个叫做Anaconda Prompt的工具，类似windows系统的命令行工具。首先可以通过“conda env list”命令查看已经创建的虚拟环境，然后使用“conda create -n 你的虚拟环境名 python=版本”，例如“conda create -n alex_django python=3.5.2”的命令创建一个虚拟环境。 （注：这里遇到了一个问题。由于是在宿舍用的校园网，所以执行创建命令的时候报错了。一大堆报错信息，但是最关键的一句是“由于目标计算机积极拒绝，无法连接”，这让我一下子想到了当初在写爬虫的时候，也在报错信息中遇到了这句话，当时百度谷歌了好久，才发现是校园网的缘故，后来换了手机热点试了一下果然成功了。因此今天看到这句话的时候，我想是不是还是同样的问题呢，于是又用热点试了一下，果然又成功了。） 此时我们已经创建好了一个名为alex_django的虚拟环境，然后我们需要激活该虚拟环境。命令行输入”activate alex_django“，进入虚拟环境，然后敲入“pip install django==1.8”，进行django1.8版本的安装，等待一会儿，django就安装好了。 django安装好了之后

此篇教程参考自 TensorFlow 2.0 + Keras Crash Course ，在原文的基础上进行了适当的总结与改编，以适应于国内开发者的理解与使用，水平有限，如果写的不对的地方欢迎大家评论指出。觉得文章有用的话麻烦点赞，想看原文可以点击链接kx上网访问。 ​ 0 序 TensorFlow经过四年的发展，逐渐成为深度学习与机器学习框架的霸主，市场占有率与用户都遥遥领先于其他竞争对手。 下图为下图是KDnuggets网站对2018年的机器学习框架的使用做的一个调查统计 。可以可以看出当时TensorFlow已经遥遥领先于其他竞争（Keras 是一个上层封装，底层调用的还是 TensorFlow），奠定了其深度学习霸主的地位。 ​ 如果想了解TensorFlow的发展史，可以查看笔者CSDN约稿文章： 『王霸之路』从0.1到2.0一文看尽TensorFlow奋斗史 TensorFlow和Keras都是在4年前发布的（Keras为2015年3月，TensorFlow为2015年11月）。在深度学习时代这是很长的时间！ 在过去，TensorFlow 1.x + Keras存在许多已知问题： 使用TensorFlow意味着要处理静态计算图，对于习惯于命令式编码的程序员而言，这将感到尴尬且困难。 虽然TensorFlow API非常强大和灵活，但它缺乏完善性，常常令人困惑或难以使用。