精华内容
下载资源
问答
  • 相信很多初学python的小伙伴都会遇到这样的坑:环境变量配置不好,无法正常启动python。那么环境变量究竟是个什么东西呢?为什么要设置它?下面我们来说一说。 1、什么是环境变量 引用百度百科里面的解释:环境变量...
  • 想要正常使用Pycharm必须配置Python解释器。好比想要翻译一篇文章,需要加载有道翻译,是一样的道理。如果没有配置解释器就直接运行,则会出现显示:“No python interpreter configured for the projec
  • Linux环境变量知识

    2020-12-14 16:04:00
    公众号关注 testerzhang,不...其实除了命令,你需要关注一个知识点:环境变量环境变量配置是Linux系统最基础的知识,那么是否你真的懂得如何配置呢? 举个例子:一个普通用户登录后为啥能够执行常规的系统命令,比

    公众号关注 testerzhang,不定期发布技术相关的文章,喜欢的可以加个关注哦。


    前言

    对于新手开始接触Linux系统,会几个命令就可以了吗?其实除了命令,你需要关注一个知识点:环境变量。

    环境变量配置是Linux系统最基础的知识,那么是否你真的懂得如何配置呢?

    举个例子:一个普通用户登录后为啥能够执行常规的系统命令,比如ls,cd,为啥可直接使用?

    本文将以bash shell环境的.bash_profile来展开介绍环境变量。

    1.系统环境变量读取顺序

    大致的读取路线如下,如果有相同的环境变量名,以最后生效的文件生效为准。

    /etc/profile -> (~/.bash_profile | ~/.bash_login | ~/.profile) -> ~/.bashrc -> /etc/bashrc

    2.系统默认环境变量

    如何查看默认的环境变量,需要env这个命令。

    $ env
    

    这里你会看见几个比较常用的变量值:

    HOSTNAME=centos6-test
    SHELL=/bin/bash
    TERM=xterm
    HISTSIZE=1000
    USER=testerzhang
    HOME=/opt/testerzhang
    PATH=/usr/lib64/qt-
    3.3/bin:/usr/local/bin:/bin:/usr/bin:/usr/local/sbin:/usr/sbin:/sbin:/opt/testerzhang/bin
    LANG=en_US.UTF-8
    

    变量值说明:

    • HOSTNAME: 主机名
    • SHELL: 使用的SHELL
    • USER:当前用户名
    • HOME:当前用户的家目录
    • PATH:寻找命令的路径列表,注意在LINUX系统下用:分割表示并列。
    • LANG: 语言环境

    变量值例子:

    1.进入用户家目录

    $ cd $HOME
    

    2.常用命令-根据$PATH路径进行遍历查找是否有这个命令

    $ which ls
    alias ls='ls --color=auto'
    /bin/ls
    

    如果命令不在默认的路径下,则会提示command not found

    $ lsd
    -bash: lsd: command not found
    

    3.常用配置

    下面以配置用户家目录里的.bash_profile(注意有个点,代表隐藏文件)为例。

    3.1 配置JAVA变量

    export JAVA_HOME=$HOME/3rd/jdk1.8.0_171
    export JRE_HOME=$JAVA_HOME/jre
    export CLASSPATH=.:$JAVA_HOME/lib:$JAVA_HOME/jre/lib:$CLASSPATH
    export PATH=$JAVA_HOME/bin:$PATH
    

    注意:

    1.这里的PATH赋值必须要有:$PATH,否则如果生效环境变量,会找不到系统默认命令比如ls,vi。 一旦误操作,需要管理员修改该用户的.bash_profile才可恢复正常。

    2.PATH的值注意先后顺序,如果变成export PATH=$PATH:$JAVA_HOME/bin,而操作系统已经安装jdk1.7,那么你执行java命令的时候使用的是系统的JAVA程序,而不是普通用户自己配置的jdk1.8。

    3.2 配置Python变量

    export PYTHONHOME=$HOME/3rd/Python-2.7.11
    export PYTHONPATH=$PYTHONHOME/lib/python2.7
    export PYTHONUNBUFFERED=1
    export PATH=$PYTHONHOME/bin:$PATH
    export LD_LIBRARY_PATH=$PYTHONHOME/lib:$LD_LIBRARY_PATH
    

    说明:

    1.LD_LIBRARY_PATH环境变量用于在程序加载运行期间查找动态链接库时指定除了系统默认路径之外的其他路径,注意,LD_LIBRARY_PATH中指定的路径会在系统默认路径之前进行查找。一般c++写的程序用ldd可以查看链接的动态库是多少。

    2.LD_LIBRARY_PATH环境变量同样是从配置的先后顺序开始遍历,需要注意配置项值的先后顺序。

    3.3 别名配置

    别名名字可以任意定义,但是不建议和常用的命令冲突,除非你的原本意愿就是覆盖它。

    1.比如查看当前用户的进程,可以简单变成一个新的命令pg。

    alias pg='ps -ef|grep aiwm'
    

    2.想进入一个经常进入的目录,可以简单变成一个新的命令cdci。

    alias cdci='cd /opt/testerzhang/.jenkins/workspace'
    

    3.grep 搜索的时候显示彩色的关键字。

    alias grep='grep --exclude=*.o --exclude=*.so --exclude=*tags* -I --color '
    

    3.4 优化系统性能配置项

    如果我们需要更改默认的ulimit配置,我们可以在.bash_profile里直接加入一些常规的性能配置项,比如:

    ulimit -s 2048
    ulimit -c 0
    

    4.生效环境变量配置

    有两个方式:

    方法一:退出当前session,重新登录

    方法二:执行生效环境变量的命令

    $ source ~/.bash_profile
    

    欢迎关注我的公众号testerzhang,原创技术文章第一时间推送。

    展开全文
  • 注意:如果你不想在 windows 下面配置 adb,也可以使用不需要配置的 adb 环境变量方式,但是需要在Tool/adb文件下操作,至于如何自动跳转,只需改变执行脚本即可,这里只做演示 将代码 clone 到本地后尝试把所有...

    一、安卓手机或模拟器操作步骤

    环境搭建

    方法1. Windows 免添加配置 adb 环境变量方式

    注意:如果你不想在 windows 下面配置 adb,也可以使用不需要配置的 adb 环境变量方式,但是需要在Tool/adb文件下操作,至于如何自动跳转,只需改变执行脚本即可,这里只做演示

    1. 将代码 clone 到本地后尝试把所有代码文件拷贝到 Tool/adb文件夹下
    2. 在adb文件下操作:按住 shift + 右键 选择在该文件夹下打开命令窗口
    3. 打开安卓手机的 usb 调试,并连接电脑,在终端输入 adb devices 进行测试,如果有连接设备号则表示成功
    4. 打开微信小游戏,点击开始游戏,然后运行代码 python wechat_jump_py3.py,点击出现的图形起点和终点,棋子自动跳转

    方法2. 手动配置 adb 到环境变量中

    1. Android 或 Android 模拟器使用 ADB 进行连接
    2. 如果你是 Android + macOS,请参考下面的配置:
      • 安装 Python 2.7/3
      • 使用 brew 进行安装 brew cask install android-platform-tools
      • 安装完后插入安卓设备且安卓已打开 USB 调试模式,终端输入 adb devices ,显示如下表明设备已连接
        List of devices attached
        6934dc33    device
        
      • 部分新机型可能需要再另外勾上允许模拟点击权限
      • 小米设备除了 USB 调试,还要打开底下的 USB 调试(安全)
      • USB 可能要设置成 MTP 模式
    3. 如果你是 Android + Windows,请参考下面的配置:
      • 安装Python 2.7/3
      • 安装 ADB 后,请在环境变量里将 adb 的安装路径保存到 PATH 变量里,确保 adb 命令可以被识别到
      • 同 Android + macOS 测试连接
    4. 安装依赖文件
      pip install -r requirements.txt

    操作步骤

    1. 安卓手机打开 USB 调试,设置 > 开发者选项 > USB 调试
    2. 电脑与手机 USB 线连接,确保执行 adb devices 可以找到设备 ID
    3. 界面转至微信跳一跳游戏,点击开始游戏
    4. 进入项目目录,运行 python wechat_jump_auto.py ,如果手机弹出界面显示 USB 授权,请点击确认
    5. 请按照你的机型或手机分辨率从 ./config/ 文件夹找到相应的配置,把对应的 config.json拷贝到项目根目录,与 *.py 同级
      • 如果屏幕分辨率能成功探测,会直接调用 config 目录的配置,不需要复制
      • 优先按机型去找,找不到再按分辨率
      • 如果都没有请找一个接近的自己的分辨率,或者调节一下找到合适的参数

    二、iOS 手机操作步骤

    环境安装

    操作步骤

    1. 运行安装好的 WebDriverAgentRunner
    2. 将手机点击到《跳一跳》小程序界面
    3. 运行脚本。有两种模式可供选择:手动辅助跳自动连续跳
      • 手动辅助跳
        • 命令行运行 python3 wechat_jump_iOS_py3.py
        • 依次点击弹出的窗口中的起始位置和目标位置,会自动计算距离后起跳
        • 根据起跳的精准情况更改 python3 wechat_jump_iOS_py3.py 中的 time_coefficient参数,直到获得最佳取值
      • 自动连续跳
        • 拷贝 ./config/iPhone 目录下对应的设备配置文件,重命名并替换到 ./config.json
        • 命令行运行 python3 wechat_jump_auto_iOS.py
        • 会自动计算坐标并连续起跳,根据起跳的精准情况更改 ./config.json 中的 press_coefficient 参数,直到获得最佳取值

    三、虚拟环境

    考虑到生产环境的规范性,实验与项目之间不受干扰,请尽量用新的虚拟环境来完成实验

    MacOS/Win,请使用如下操作开辟新的虚拟环境(不强调表示MacOS/Win相同操作)

    • 下载Anaconda. MacOS:默认安装/Win:注意安装时候勾选配置路径或者之后手动配置,直至cmd后conda关键字有效
    • 查看所有的虚拟环境conda info --envs
    • 使用命令:conda create -n wechat_env python=3,创建名为wechat_env的虚拟环境,且配置python版本为python3
    • 激活虚拟环境:MacOS: source activate wechat_env/Win:activate wechat_env
    • 安装所需要的包,比如matplotlib等,建议使用conda install package_name来避免虚拟环境包的路径问题

    接下来的操作非必须,仅当实验完成后可操作,试验阶段全程在虚拟环境中操作,进入虚拟环境会有前置符号表示如:

    (wechat_env) ~/Desktop/wechat_jump_game-master>
    
    • 退出虚拟环境:MacOS: source deactivate wechat_env / Win: deactivate wecha_env
    • 删除虚拟环境: conda remove -n wechat_env --all
    展开全文
  • Python复习笔记

    2019-04-27 14:26:38
    python安装位置配置到PATH环境变量下。 三、运行方式 shell方式: 在cmd窗口中输入python进入命令行模式 在其中以交互式方式执行 shell方式调用py文件: 在文件中编写Python脚本 文件后缀为.py 进入该文件...
  • 下午python安装mpi4py包,需要MPI编译环境,所以根据搜到的教程配置MPICH2环境(版本:mpich2-1.4.1p1-win-x86-64.msi),已将bin目录添加环境变量,wmpiregister.exe下输入电脑管理员账号、密码,以管理员身份打开...
  • 你可能会说:不就是安装Python配置Python环境变量、安装matplotlib及其依赖包吗? 从一个小故事看matplotlib平台稳健性 前些天,有一位网友求救,说他在matplotlib中绘图,需要将图像分辨率...

    07- 搭建一个稳健的matplotlib绘图平台

    搭建一个和我的一样的、稳健的matplotlib绘图平台。

    网上这一类的交流、总结文章已经很多,我为什么还要专文来说这个事呢?你可能会说:不就是安装Python、配置Python环境变量、安装matplotlib及其依赖包吗?

    从一个小故事看matplotlib平台稳健性

    前些天,有一位网友求救,说他在matplotlib中绘图,需要将图像分辨率设置为 600dpi,但不管怎么操作就是没有效果,他在图像属性中看到的图片DPI始终只有96dpi

    %matplotlib inline
    import numpy as np
    import matplotlib
    import matplotlib.pyplot as plt
    # sphinx_gallery_thumbnail_number = 2
    # 蔬菜种类
    vegetables = ["cucumber", "tomato", "lettuce", "asparagus",
     "potato", "wheat", "barley"]
    # 农夫名字
    farmers = ["Farmer Joe", "Upland Bros.", "Smith Gardening",
     "Agrifun", "Organiculture", "BioGoods Ltd.", "Cornylee Corp."]
    # 收成
    harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
     [2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
     [1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
     [0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
     [0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
     [1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
     [0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
    # fig, ax = plt.subplots()
    fig = plt.figure(dpi=600)
    ax = fig.add_subplot(1,1,1)
    im = ax.imshow(harvest)
    # 设置x,y坐标长度
    ax.set_xticks(np.arange(len(farmers)))
    ax.set_yticks(np.arange(len(vegetables)))
    # x,y具体标签
    ax.set_xticklabels(farmers)
    ax.set_yticklabels(vegetables)
    # x轴标签旋转45°显示
    plt.setp(ax.get_xticklabels(), rotation=45, ha="right",
     rotation_mode="anchor")
    # 显示每个方格的值
    for i in range(len(vegetables)):
     for j in range(len(farmers)):
     text = ax.text(j, i, harvest[i, j],
     ha="center", va="center", color="w")
    ax.set_title("Harvest of local farmers (in tons/year)")
    fig.tight_layout()
    plt.savefig("cm.jpeg",dpi = 600)
    plt.show()
    

    他把代码发了过来,似乎没有什么问题。我在jupyter lab中运行这段代码,生成"cm.jpeg"文件,在PS中查看图像尺寸:

    07- 搭建一个稳健的matplotlib绘图平台
    完全正确,分辨率就是预期的600dpi。

    我让把他看到的图像属性截图给我看看,如下:

    07- 搭建一个稳健的matplotlib绘图平台
    按照这个属性参数,很容易计算出,他电脑上的这张cm.jpeg图像的物理尺寸是:

    • 宽度 = 40英寸;
    • 高度 = 30英寸。

    mpl默认的figsize是(6, 4)。他的代码并没有设置"figsize",但生成的图像尺寸是(40,30) 英寸,这个尺寸太大了,显然是在哪里修改了rcParams参数,导致了他的苦恼。

    如果你对上面的关于分辨率和图像尺寸的关系不是很清楚,请重新阅读第4,第5篇文章。

    由于Python的开源性,各种开发包又很多,包之间的依赖性极其复杂,所以你的每一个操作都有可能影响整个开发平台的稳定性,甚至引发灾难性后果。

    比如:

    • 你在代码中无意中修改了某个包的默认参数,再也得不到预期的结果;
    • 你升级了某个包,但其它依赖于它的包还没有对应的升级包(你没有升级,或者没有可用的升级包),导致其它包运行出错;
    • 等等…

    所以,搭建一个稳健的Python平台非常重要。像你我这样通过网络交流,双方保持测试环境的尽可能一致也是非常有好处的。

    推荐的Python平台搭建方式

    搭建Python平台,目前从大方面来说,常见的主要有两种方式:

    1. 直接安装Python,使用pip安装和管理平台,需要用哪个包再安装它;
    2. 通过安装Anaconda,一次性安装常用的库,使用conda安装和管理平台。

    第1种方式适合非常专业的人员,要求对Pyhton的包管理非常熟练,对包的依赖性有较深的了解,并且有很强的解决遇到的各种问题的能力。

    像我这样的草根推荐第2种方式。

    Anaconda是什么,有什么优势?

    Anaconda是以Python为核心,针对科学计算和机器学习而构建的一个集成环境。

    它以一个整洁的包装给了我们使用Python所需的一切,让我们可以专注于使用工具而不是维护它们。

    • 首先,它在一个包装中集成了Python科学计算和机器学习常用的库;
    • 其次,它使用conda安装和管理环境,在下载、安装、更新包时会自动分析你的系统和当前环境,并自动处理包之间的依赖关系;
    • 第三,它还提供一个导航器,让我这样的草根可以在图形窗口管理环境;
    • 第四,它还提供了spyder, prompt等附加工具,作为官方的IDE和Shell命令工具。

    一句话,它的优势在于集成了我们使用Python的主要工具。

    建议你按照下面的步骤从头搭建一个稳健的Python开发平台,这样你的测试环境和我的就基本一致了,各种代码的测试结果也就会基本一致,也会避免出现莫名的问题。

    下载,安装Anaconda

    登录anaconda官网 https://www.anaconda.com/distribution/#download-section

    07- 搭建一个稳健的matplotlib绘图平台
    下载相应的版本,我的操作系统是windows 10 64bit 的。

    强烈建议下载 Python 3.7 版的,Python2 即将被放弃。

    如果你过去一直使用Python 2 ,也不要担心,转到Python 3 真的很容易,并且从长远看是必须的,也是值得的。

    像安装其它windows程序一样,双击运行安装,一路next,在指定安装路径时,建议设置如下:

    07- 搭建一个稳健的matplotlib绘图平台
    其它都是默认设置即可。

    安装结束后,程序菜单中会有一个Anaconda3文件夹。

    07- 搭建一个稳健的matplotlib绘图平台

    配置环境变量

    需要进行两次配置,第一次:

    如下图,打开系统环境变量设置窗口:

    07- 搭建一个稳健的matplotlib绘图平台
    07- 搭建一个稳健的matplotlib绘图平台
    07- 搭建一个稳健的matplotlib绘图平台
    双击 PATH

    打开下面的窗口:

    1. 新建;
    2. 浏览;
    3. 找到左边三个路径

    依次重复操作,即可将Anaconda的环境变量添加到系统中。
    07- 搭建一个稳健的matplotlib绘图平台
    添加图中左侧的三个路径到环境变量中

    测试Python和conda是否安装配置成功

    打开Anaconda Prompt命令行窗口:

    输入命令 : python,返回如下内容:

    07- 搭建一个稳健的matplotlib绘图平台
    表示Python安装配置成功,我的Python版本是3.7.3.

    输入命令:conda,返回如下内容:
    07- 搭建一个稳健的matplotlib绘图平台

    表示 conda 管理工具安装配置成功。

    创建工作虚拟环境

    **强烈建议:**在上面的安装测试完成后,先创建一个工作虚拟环境。再开始你的探索之旅!

    为什么要工作创建虚拟环境?

    前面说过,因为Python的开源性,包的依赖性复杂,在使用过程中,随时都会破坏整个 Python 环境,导致出现一些莫名的问题和错误。

    前面的安装过程会创建一个base环境,如果直接在这个环境下工作、学习、测试,当系统中的python环境出现问题无法修复时,就不得不卸载Anaconda,再重新安装它。

    如果我们创建一个新环境,工作、测试、学习都在这个环境下进行,当出现问题时,我们只需要删除这个环境,再重新创建一个环境即可,这比从头安装Anaconda要节省时间。

    当然虚拟环境还有其它一些用途,不在我们的讨论范围内。

    创建工作虚拟环境

    启动 Anaconda Prompt, 运行如下命令:

     conda create -n py373env python=3.7
    

    创建一个名为 “py373env”, Python版本为3.7的虚拟环境。

    当然,环境的名称你可以根据喜好定,我习惯于这样命名,一看就知道,这是一个Python的虚拟环境,并且Python版本是3.7.3。

    需要一定的时间,它会下载、安装一些包,创建你指定的环境,创建完成后。

    在Anaconda Prompt中输入:

     conda activate py373env
    

    激活‘py373env’环境。
    07- 搭建一个稳健的matplotlib绘图平台
    可以发现命令行的引导符最右边的括号中原来的base,变成了py373env,这就表示,你原来处在base环境中,现在转到了py373env环境中。

    你在哪个环境中的操作,主要影响这个环境。比如更新、安装包,修改一些包的默认参数,只会影响该环境下的包,不会影响base环境。

    将虚拟环境也添加到系统环境变量中

    07- 搭建一个稳健的matplotlib绘图平台

    养成立即激活工作虚拟环境的好习惯

    我习惯于在jupyter lab中工作、学习、测试Python代码,数据分析、数据可视化。

    每天打开 Anaconda Prompt,输入的第一行命令就是:

     conda activate py373env
    

    即,立即转到我的 py373env 虚拟环境,确保我的操作都是在这个环境下。除非我非常清楚地知道我要在其它环境下工作,我才退出py373env环境,激活其它环境。

    退出py373env环境,使用命令:

     conda deactivate
    

    07- 搭建一个稳健的matplotlib绘图平台

    推荐 jupyter lab

    jupyter lab是jupyte notebook的替代计划。

    jupyter提供了在web中输入、保存、运行代码,显示结果…的强大功能。

    它集交互模式、IDE模式的优点于一身。

    是我测试Python代码、进行数据分析、matplotlib数据可视化的主要战场。

    下面将以在py373env虚拟环境中安装、配置jupyter lab为例介绍 Anaconda的包安装和管理。

    设置conda的下载镜像源(即下载通道)

    Anaconda的官方下载通道是 conda-forge

    有时会出现下载失败,下载速度慢的问题,可以添加清华大学的镜像服务器。

    在"系统盘©-用户—用户名"目录下有一个Anaconda的配置文件文件:.condarc

    07- 搭建一个稳健的matplotlib绘图平台
    用记事本打开这个".condarc"文件,删除里面的内容,将下面的内容复制进去,保存即可。

    channels: 
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
    - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
    - conda-forgeshow_channel_urls: truessl_verify: true
    

    安装jupyter lab

    激活虚拟环境:

    conda activate py373env
    

    在py373env环境下,执行命令:

    conda install -c conda-forge jupyterlab
    

    conda会自动分析你的环境,找到合适jupyterlab版本和包,下载安装它们。

    命令中的 "-c conda-forge"是指定从anaconda的官方镜像下载安装,这是推荐的方式。如果因网络的问题,直接使用:

     conda install jupyterlab
    

    它会根据分析结果和网速选择配置文件中列出的镜像源中合适的通道下载镜像。

    安装完成后,在py373env环境下,输入:

     jupyter lab
    

    即可启动jupyter lab。

    07- 搭建一个稳健的matplotlib绘图平台

    安装jupyterlab的扩展

    jupyterlab有很多扩展插件可用。安装合适的插件,能够使你的效率提高很多。

    JupyterLab 的插件是 npm 安装包。所以按照 JupyterLab 的插件,需要提前安装好 Node.js。

    安装命令:

    conda install -c conda-forge nodejs
    

    完成之后,有两种方式进行插件的安装:

    1. 通过开启 Extension Manager 来安装和管理插件
    2. 通过执行命令的方式安装。 限于篇幅就不讲了。

    开启Extension Manager安装和管理插件

    如果使用第一种方式,需要手动开启 Extension Manager。

    在jupytelab页面,设置,高级设置 (command+逗号 ),选择Extension Manager一栏,修改设置为 true:

    07- 搭建一个稳健的matplotlib绘图平台
    07- 搭建一个稳健的matplotlib绘图平台
    这样就可以使用Extension Manager来安装jupyterlab的扩展插件了。
    07- 搭建一个稳健的matplotlib绘图平台
    可以搜索插件,安装插件,对已安装的插件启用、禁用、卸载。

    安装好jupyter toc 目录插件,就可以使用目录在文档中导航了。

    07- 搭建一个稳健的matplotlib绘图平台
    是不是看起来还不错?

    一个稳健的Python,matplotlib平台搭建好了,后面就让我们在这个平台上炼身手吧!

    因为是草根们的草堂,所以可能有点太细了!但这会是我坚持的风格,尽可能让各等级的草根都能看懂。

    (This end.)

    展开全文
  • 那么你更需要 Docker, 因为你需要 Node 环境,你需要负载均衡,你需要反向代理等等... <p><strong>Node 后端</strong></p> 既然是后端,数据库你要吧?nginx 你要吧,Node 你要安装吧...
  • 1.比如说执行c程序需要c编译器(vs或者mingw),当我把vs安装在D盘后不设置path环境变量,然后执行c程序是不是会找不到编译器而出错呢?...,下载的vs2015是不是也要配置环境变量才能让windows找到这个编译器?
  • 如果在path里配置了anaconda的环境变量,anaconda prompt 和 cmd并无太大差别,只不过anaconda prompt更方便,更好用,有很多快捷键。 anaconda创建环境,激活,就可以在这个环境中下载需要的包的版本,即使与别的...

    anaconda里除了有python包之外(我们下载python可不就下载的这个包吗),还集成了很多数据分析用的包,不用我们再一一安装了。

    如果在path里配置了anaconda的环境变量,anaconda prompt 和 cmd并无太大差别,只不过anaconda prompt更方便,更好用,有很多快捷键。

    anaconda创建环境,激活,就可以在这个环境中下载需要的包的版本,即使与别的环境的版本冲突问题也被anaconda解决了,就这样用anaconda来管理不同的python环境。

    在微信读书搜了4本关于anaconda的书,花了36分钟就全部看完了,还包括一部分简单的实践操作。如果不是微信读书能计时,我绝对想不到看书可以这么快,这么清晰,这么高效的解决问题,比在百度上搜索快太多了,而且非常清晰,不像去网页搜索,一家一言,非常乱,让那些没看过书的人更乱了。先看过书,有了一个系统的了解后再去百度解决问题,会立马清晰了很多,不会被问题接着问题,接连不断地网页带偏。

    anaconda自带开发工具ipython:用于开发快速运行的小型代码,按回车即可运行。

    自带开发工具jupyter:网页,可以记笔记。

    conda list

    conda install xx

    在anaconda环境里用pip安装的包,和conda安装的包一样,都能用。

    之前安装了anaconda,但是一直不明白它到底是干什么的,现在终于明白了。花了一个上午的时间。

    AssertionError:torch not compiled with cuda enabled

    一直在报这个错误,torch.cuda.is_available() 也是false。

    淡定,不要慌,我发现本来很简单的bug,由于心情比较烦,比较乱,就一直在找啊找,搞了半天,其实如果静下心来,半个小时,一个小时就找到啦!

    直接原因:下的是cpu版本的torch,而不是gpu版本的torch。

    间接原因:清华大学的镜像网站在linux平台上不能下载gpu版本的torch,只能下载cpu版本

    所以,不要用下面这个命令,这个命令是用清华大学镜像网站下,因为它只有cpu版本的

    conda install pytorch cudatoolkit=11.0

    要用下面这个命令,从官网下

    conda install pytorch cudatoolkit=11.0 -c pytorch

    如果官网下载太慢,用下面的pip下载一样可以

    pip install torch==1.7.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html

    如果您到这里还没有解决,可以自己去pytorch官网下载哦:

    下载到linux之后,再到这个xx.whl文件夹内执行pip install XX.whl 文件就解决了

    检验是否安装成功

    torch.cuda.is_available() 返回true即成功

    此时conda list里面只有torch(gpu版本的),没有pytorch(是cpu版本的)。如果两个都有会默认使用pytorch(cpu版本),就会出现明明有torch却torch.cuda.is_available() 返回false的情况

    ___________________________________________________________________________________________________________

    有的包,只能用pip安装,例如transformers

    进入conda环境后,用pip安装和用conda安装的功能一样,都是安装在anaconda中。

    conda install XX 自动进入base环境

    conda activate 手动进入base环境

    conda deactivate 退出当前环境。

     

     

     

     

    展开全文
  • 以上内容均可使用环境变量配置,即在运行前设置对应环境变量值即可,如更改测试地址和 Redis 键名: export TEST_URL=http://weibo.cn export REDIS_KEY=proxies:weibo 即可构建一个专属于微博的代理池,有效的代理...
  • 官网下载.msi安装包 下载即可,安装注意导入系统环境变量 dilib 直接anaconda命令行中 pip install dlib(时间比较长) freetype pip install freetype-py pymysql pip install pymysql pyqt5 pip install pyqt5...
  • 官网下载.msi安装包 下载即可,安装注意导入系统环境变量 dilib 直接anaconda命令行中 pip install dlib(时间比较长) freetype pip install freetype-py pymysql pip install pymysql pyqt5 pip install pyqt5...
  • 大数据开发环境安装配置 Hadoop系列 涉及MapReduce、Hdfs、Hive、Kafka、ZooKeeper等hadoop生态圈组件 Spark系列 Flink系列 实战项目 推荐系统 实时数据仓库搭建 大数据相关面试 算法篇 Java篇 Java Web...
  • 高并发环境下构建缓存服务需要注意哪些问题?我和阿里P9聊了很久! 如何实现亿级流量下的分布式限流?这些理论你必须掌握!! 如何实现亿级流量下的分布式限流?这些算法你必须掌握!! 亿级流量场景下如何为HTTP...
  • 静态变量优化;电量性能优化;view控件异常销毁保存重要信息优化;去除淡黄色警告优化;使用注解替代枚举优化;glide加速优化;多渠道打包优化状态管理切换优化;TrimMemory和LowMemory优化;轮询操作优化;去除重复...
  • 编译环境:win10 vs2017 15.5.6 boost_1_70_0 主要报错: Unknown compiler version - please run the configure tests and report the results 再次点生成解决方案时的主要报错: for each 语句不能在“std...
  • 什么时候依赖需要放到 dependencies、什么时候依赖需要放到 devDependencies: <p>devDependencies:顾名思义,仅在开发(dev)模式下如:webpack.、</em>.loader、eslint、...
  • 深入理解Android:卷I--详细书签版

    热门讨论 2012-12-12 15:51:21
     第1章介绍了阅读本书所需要做的一些准备工作,包括对Android整个系统架构的认识,以及Android开发环境和源码阅读环境的搭建等。注意,本书分析的源码是Android2.2。  第2章通过Android源码中的一处实例深入地...
  • 软件工程教程

    热门讨论 2012-07-06 23:10:29
    因为软件工程理解需要耐心和能力 主讲:邱焕耀 经历 华南理工大学,博士,计算机控制 曾任职以下公司: 中国民航信息广州公司(香港上市)技术总监 广州金鹏集团(电子百强)项目总监 广东金宇恒(佛山最大软企)...
  • 【超全golang面试题合集+golang学习指南+golang知识图谱+成长路线】 一份涵盖大部分golang程序员所需要掌握的核心知识。 脑图持续不断更新中,在线查看地址 后续文章和内容会不断更新到 github项目 中,...

空空如也

空空如也

1 2
收藏数 22
精华内容 8
关键字:

python需要配置环境变量吗

python 订阅