新闻详情

新闻详情

首页 / 资讯中心 / 详情

conda中虚拟环境的使用

发布时间:2026/11/15 6:37:02来源:尧图网络
conda中虚拟环境的使用
查看所有虚拟环境conda info --envsconda env list新建一个虚拟环境(以tensorflow为例子)conda create -n tensorflow python3.conda create --prefixD:\anaconda20240917\envs\my37 python3.7设置下载通道使用清华镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes删除虚拟环境conda remove -n tensorflow --all激活虚拟环境conda activate tensorflow退出虚拟环境conda deactivate查看某个虚拟环境中所有的安装包conda list -n tensorflow这个虚拟环境创立好了之后可以在Pycharm中使用这个环境set--project interpreter中添加这个新环境应用即可安装的部分-通过图形界面安装(.pkg文件)1下载 Anaconda 安装包访问 Anaconda 官网。, 并且登录(比如通过邮箱登录)。选择macOS系统。根据你的 Mac 芯片类型选择安装包Intel 芯片选择x86_64版本。Apple Silicon (M1/M2 等)选择Apple Chip (M1/M2)版本。点击下载.pkg文件如Anaconda3-2023.07-2-MacOSX-x86_64.pkg。2运行安装程序双击下载的.pkg文件。按照安装向导操作Introduction→ 点击Continue。Read Me→ 点击Continue。License→ 点击Agree。选择安装位置默认路径为/Users/你的用户名/anaconda3。在Installation Type界面勾选“Install for me only”推荐。取消勾选“Install Microsoft VSCode”除非需要。点击Install输入密码开始安装。安装完成后点击Close。最后, 可能是安装在了opt目录下(如果你当初选择的是为这台电脑上的所有用户安装, 那就就是在/opt目录下, 如果你选择的是只给当前用户安装, 那么就是安装在当前用户的家目录下的opt目录下)3验证安装打开终端Terminal。输入以下命令conda --V4配置环境变量如需要如果终端无法识别conda命令初始化 Condasource ~/.bash_profile # 或 source ~/.zshrc如果你使用 zsh重新打开终端再次输入conda --V5实用配置可选, 但建议这么做为了获得更好的体验建议进行以下配置配置国内镜像源在国内使用可以添加清华镜像来加速包下载。conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes安装常用包在激活的环境中可以使用conda install package_name命令安装所需软件包如numpy,pandas。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉