安装anaconda

之前安装过几次,但最近系统重装了,现在又要用到anaconda,还是记录一下,怕以后忘记。

1 下载anaconda

anaconda官网网址:https://www.anaconda.com/
如果对版本没有要求,直接选择网址给你的默认推荐(根据你当前系统环境给出的),打开后就可以看到,下面也有详细的版本号以及支持的python版本。
image.png

2 安装anaconda

刚才装的时候忘记截图了,我复制两张网上的图片。
注意:
1)安装路径可以自己定义;
2)添加到环境变量路径(PATH)那里最好不要选,因为可能你之前已经安装了很多版本的python了,这里就不需要了;
3)安装完成后,点击finish按钮时,那个界面的两个钩钩不要选,目前不需要哪些软件;
image.png
image.png
4)将anaconda配置到环境变量,这样就可以直接使用conda命令;但是我直接装了多个python版本,安装了pycharm,就不配置了。如果要使用conda命令,我可以直接去按照目录下的Scipts路径,再进入cmd命令行就可以使用conda相关命令了。如果想配置,可以按照下面方法进行操作(下面是复制的网上图片):
image.png
image.png
image.png
检查是否安装成功,进入到安装目录的Scripts目录下,在地址栏输入cmd,回车,就进入了当前目录的命令行模式,输入conda --version就可以看到成功信息。
image.png

3 配置国内的镜像

3.1 添加镜像

下面是anaconda阿里的镜像:

https://mirrors.aliyun.com/anaconda/pkgs/free/
https://mirrors.aliyun.com/anaconda/pkgs/main/

下面是anaconda清华的镜像:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

我选择配置阿里的镜像,进入命令行模式,输入命令:

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda info

通过conda info命令可以看到最后配置的结果:
image.png

3.2 删除镜像

刚上清华、阿里两个站点对比了一下,发现清华镜像更新速度快一些,所以更换一下镜像。首先删除资源镜像:

conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/free/
conda config --remove channels https://mirrors.aliyun.com/anaconda/pkgs/main/

再配置清华的镜像:

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/

再把第三方库添加,像pytorch、conda-forge、bioconda等也加上去:


1 声望
0 粉丝
0 条评论
推荐阅读
pandas简单操作
1、pandas读取csv数据csv是gb2312编码,之前pandas一直没有代码提示,不知道怎么制定read_csv的编码方式,于是用open函数指定gb2312编码打开后,再把结果送入padnas,这样能解决不能解析的编码问题。

阅读 433

PyTorch 2.0 推理速度测试:与 TensorRT 、ONNX Runtime 进行对比
PyTorch 2.0 于 2022 年 12 月上旬在 NeurIPS 2022 上发布,它新增的 torch.compile 组件引起了广泛关注,因为该组件声称比 PyTorch 的先前版本带来更大的计算速度提升。

deephub阅读 1.2k

封面图
盘点多模态深度学习这几年!
转载自:机器之心原文地址:盘点多模态深度学习这几年!近年来,NLP 和 CV 领域在方法上突破不断。不只是单模态模型有所进展,而大规模多模态方法也已经成为非常热门的研究领域。

一点人工一点智能阅读 786

使用Flask快速部署PyTorch模型
对于数据科学项目来说,我们一直都很关注模型的训练和表现,但是在实际工作中如何启动和运行我们的模型是模型上线的最后一步也是最重要的工作。今天我将通过一个简单的案例:部署一个PyTorch图像分类模型,介绍这...

deephub阅读 709

封面图
pytorch进行线性回归
1.数据集已知。2.建立线性关系,首先建立线性模型。(class LinearModel中必须包括init和forward,init是对模型的建立包括w和b的参数,forward就是前馈函数返回y_hat)3.construct和optimizer(构建损失函数和优化...

十八闲客阅读 588

使用英特尔 Sapphire Rapids 加速 PyTorch Transformers,第 2 部分
在 最近的一篇文章 中,我们介绍了代号为 Sapphire Rapids 的第四代英特尔至强 CPU 及其新的先进矩阵扩展 (AMX) 指令集。通过使用 Amazon EC2 上的 Sapphire Rapids 服务器集群并结合相应的英特尔优化库,如 英特...

HuggingFace阅读 565

封面图
使用英特尔 Sapphire Rapids 加速 PyTorch Transformers 模型
大约一年以前,我们 展示[1] 了如何在第三代 英特尔至强可扩展[2] CPU (即 Ice Lake) 集群上分布式训练 Hugging Face transformers 模型。最近,英特尔发布了代号为 Sapphire Rapids 的第四代至强可扩展 CPU,该 ...

HuggingFace阅读 552

封面图
1 声望
0 粉丝
宣传栏