当前位置: 首页 > news >正文

深度学习与大模型第1课环境搭建

文章目录

    • 深度学习与大模型第1课
      • 环境搭建
        • 1. 安装 Anaconda
        • 2. 修改环境变量
          • 2.1 修改 `.condarc` 文件
          • 2.2 使用 Anaconda Prompt 修改环境变量
        • 3. 新建 `.ipynb` 文件
      • 机器学习基础编程:
      • 常见问题:

深度学习与大模型第1课

环境搭建

1. 安装 Anaconda

首先,您需要安装 Anaconda,这是一个开源的 Python 发行版,能够简化包管理和环境管理。以下是下载链接及提取码:

  • 链接:https://pan.baidu.com/s/1Na2xOFpBXQMgzXA93PJJYQ
  • 提取码:b870
    来自百度网盘超级会员V5的分享

安装Anaconda,需勾选上" Add Anaconda3 to myPATH environment variable"和“RegisterAnaconda3asmy defaultPython3.8”
在这里插入图片描述

此外,您还可以通过以下链接下载 Python 解释器及 PyCharm:

  • 链接:https://pan.baidu.com/s/1Gp-C_mzmJ_C3pSe3i1SWKw
  • 提取码:v563
    来自百度网盘超级会员V5的分享
2. 修改环境变量
2.1 修改 .condarc 文件

首先,找到以下路径:
C盘-用户-电脑名-.condarc

image

右键使用记事本打开该文件,并添加以下内容:

channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
default_channels:- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmsys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudbioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudmenpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudpytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloudsimpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
2.2 使用 Anaconda Prompt 修改环境变量

打开 Anaconda Prompt(命令行界面),并执行以下命令:

conda clean -i

然后安装所需的库:

conda install pandas

执行完成后,您应该会看到类似如下的界面:

image

此外,您也可以使用以下命令安装其他常用库:

  • 安装 Pandas:
conda install pandas
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 Matplotlib:
conda install matplotlib
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 Scikit-learn:
conda install scikit-learn
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 TensorFlow 和 Keras:
pip install tensorflow keras -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 新建 .ipynb 文件

打开 Jupyter Notebook,新建一个 .ipynb 文件,并输入以下代码以确保安装成功:

import pandas
import sklearn
import matplotlib

执行成功后,您应该会看到如下的界面:

image

机器学习基础编程:

import pandas  # 导入pandas库print('hello Maynor!')  # 打印欢迎信息import sklearn  # 导入sklearn库import matplotlib  # 导入matplotlib库import tensorflow, keras  # 导入tensorflow和keras库input()  # 等待用户输入,暂停程序# 获取用户输入并打印
a = input()
print(a)# 获取用户输入并打印
a = input()
print(a)# 获取两个整数并计算它们的和
a = int(input('请输入整数:'))
b = int(input('请输入整数:'))
print(a + b)# 获取两个整数并计算它们的商和差
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))# 计算商和差
quotient = a // b  # 商
difference = a - b  # 差print("商是:", quotient)
print("差是:", difference)# 获取两个整数并计算它们的和、差、积和商
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))sum_result = a + b  # 和
difference = a - b  # 差
product = a * b  # 积
quotient = a // b  # 商print("和是:", sum_result)
print("差是:", difference)
print("积是:", product)
print("商是:", quotient)# 判断两个整数是否相等
if a == b:print('相等')
else:print('不相等')
print("结束")# 获取两个整数并判断它们是否相等
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))
if a == b:print('相等')
else:print('不相等')
print("结束")# 判断一个整数是奇数还是偶数
a = int(input("请输入整数: "))
if a % 2 == 0:print('偶数')
else:print('奇数')
print("结束")# 进一步说明判断奇数偶数的过程
a = int(input("请输入第一个整数: "))
if a % 2 == 0:print(f'{a % 2} 是一个整数, a % 2 = {a % 2},所以 a 是偶数')
else:print(f'{a % 2} 是一个整数, a % 2 = {a % 2},所以 a 是奇数')print("结束")# 使用for循环打印4次"here"
for i in range(4):print("here")# 使用for循环打印从1到10的数字
for i in range(10):print(i + 1)# 使用while循环从10开始递增直到超过10为止
i = 10
while True:print(i)i = i + 1if i > 10:break# 使用while循环打印从0到10的数字
i = 0
while i < 11:print(i)i = i + 1# 列表操作示例
a = [1, 2, 3, 4]
print(a)# 访问列表的元素
a[1]# 切片操作,访问列表的部分元素
a[0:2]
a[1:2]
a[0:6]
a[::-1]  # 逆序列表# 字符串操作
s = 'abcd'
list(s)  # 将字符串转换为列表
s[::-1]  # 逆序字符串# 定义并调用字符串逆序函数
def reverse(s):return s[::-1]reverse(s)
reverse(input())  # 获取用户输入并逆序# 生成1到10之间的随机整数
from random import randint
randint(1, 10)import random  # 导入random库# 生成1到10之间的随机数
target_number = random.randint(1, 10)
guess_count = 0  # 初始化猜测次数# 数字猜谜游戏
while True:guess = input("请输入一个数字:")print(guess)if guess == target_number:print("猜对了")elif guess != target_number:print("猜错了")# 生成1到10之间的随机数并进行猜数字游戏
target_number = random.randint(1, 10)
guess_count = 0print("欢迎来到数字猜谜游戏!")while True:guess = input("请猜一个数字(1-10):")guess_count += 1try:guess = int(guess)  # 尝试将输入转换为整数except ValueError:print("请输入有效的数字!")continueif guess < 1 or guess > 10:print("请输入1到10之间的数字!")elif guess < target_number:print("太小了,再试试!")elif guess > target_number:print("太大了,再试试!")else:print(f"恭喜你猜对了!目标数字就是 {target_number}。")print(f"你总共猜了 {guess_count} 次。")break# 数字猜谜游戏简单版本
target_number = random.randint(1, 10)
guess_count = 0while True:guess = int(input("请输入一个数字:"))guess_count += 1if guess == target_number:print(f"猜对了!你总共猜了{guess_count}次。")breakelif guess > target_number:print("太大了")else:print("太小了")# Turtle绘制五角星
import turtlet = turtle.Turtle()  # 创建一个turtle对象# 绘制五角星
for i in range(5):t.forward(100)t.right(144)# 完成绘制
turtle.done()# Turtle绘制七角星
t = turtle.Turtle()# 绘制七角星
for i in range(7):t.forward(100)t.right(180 - 180/7)# 完成绘制
turtle.done()

常见问题:

  1. Mac 修改环境变量

如果您使用的是 Mac,修改环境变量的方式略有不同。您可以使用以下命令修改 .bash_profile.zshrc 文件:

export PATH="/usr/local/anaconda3/bin:$PATH"

然后执行:

source ~/.bash_profile

source ~/.zshrc
  1. 镜像源未修改

若镜像源未修改或生效,您可能会遇到如下问题:

image

确保 .condarc 文件内容正确无误,并重启 Anaconda Prompt。

  1. Numpy 版本不兼容

如果您在执行代码时遇到 numpy 版本不兼容的问题,可以通过以下命令安装指定版本的 numpy

pip install numpy==1.22.4

image

安装完成后,重启内核即可正常运行代码:

image

相关文章:

深度学习与大模型第1课环境搭建

文章目录 深度学习与大模型第1课环境搭建1. 安装 Anaconda2. 修改环境变量2.1 修改 .condarc 文件2.2 使用 Anaconda Prompt 修改环境变量 3. 新建 .ipynb 文件 机器学习基础编程&#xff1a;常见问题&#xff1a; 深度学习与大模型第1课 环境搭建 1. 安装 Anaconda 首先&am…...

JDK新特性

LTS Record jdk16 不是方法 是一个定 # Sealed Class/Interface jdk17 限制只能由某些类继承 CompletableFuture jkd8 PatternMatching of instanceOf jdk16 switch expressions jdk14 Stream.collect() Collector Collector API Collector.groupBy Collector实战 1. …...

数据处理与数据填充在Pandas中的应用

在数据分析和机器学习项目中&#xff0c;数据处理是至关重要的一步。Pandas作为Python中用于数据分析和操作的一个强大库&#xff0c;提供了丰富的功能来处理和清洗数据。本文将深入探讨Pandas在数据处理&#xff0c;特别是数据填充方面的应用。 在实际的数据集中&#xff0c;…...

【百日算法计划】:每日一题,见证成长(010)

题目 合并两个排序的链表 输入两个递增排序的链表&#xff0c;合并这两个链表并使新链表中的节点仍然是递增排序的 示例1&#xff1a; 输入&#xff1a;1->2->4, 1->3->4 输出&#xff1a;1->1->2->3->4->4 思路 引入一个带虚拟头结点和tail指针的…...

【WPF】WPF学习之【二】布局学习

WPF布局学习 常用布局Grid网格布局StackPanel 布局CanvasDockPanel布局WrapPanel布局 常用布局 1、StackPanel: 学习如何使用StackPanel进行垂直和水平布局。 2、Grid: 掌握Grid的网格布局技术。 3、Canvas: 了解Canvas的绝对定位布局。 4、DockPanel: 学习DockPanel的停靠…...

KEIL中编译51程序 算法计算异常的疑问

KEIL开发 51 单片机程序 算法处理过程中遇到的问题 ...... by 矜辰所致前言 因为产品的更新换代&#xff0c; 把所有温湿度传感器都换成 SHT40 &#xff0c;替换以前的 SHT21。在 STM32 系列产品上的替换都正常&#xff0c;但是在一块 51 内核的无线产品上面&#xff0c;数据…...

pikachu文件包含漏洞靶场

本地文件包含 1、先随意进行提交 可以得出是GET传参 可以在filename参数进行文件包含 2、准备一个2.jpg文件 内容为<?php phpinfo();?> 3、上传2.jpg文件 4、访问文件保存的路径uploads/2.jpg 5、将我们上传的文件包含进来 使用../返回上级目录 来进行包含木马文件 …...

基于DPU与SmartNIC的K8s Service解决方案

1. 方案背景 1.1. Kubernetes Service介绍 Kubernetes Service是Kubernetes中的一个核心概念&#xff0c;它定义了一种抽象&#xff0c;用于表示一组提供相同功能的Pods&#xff08;容器组&#xff09;的逻辑集合&#xff0c;并提供了一种方式让这些Pods能够被系统内的其他组…...

SLM561A​​系列 60V 10mA到50mA线性恒流LED驱动芯片 为智能家居照明注入新活力

SLM561A系列选型参考&#xff1a; SLM561A10ae-7G SOD123 SLM561A15ae-7G SOD123 SLM561A20ae-7G SOD123 SLM561A25ae-7G SOD123 SLM561A30ae-7G SOD123 SLM561A35ae-7G SOD123 SLM561A40ae-7G SOD123 SLM561A45ae-7G SOD123 SLM561A50ae-7G SOD123 …...

Requests库对session的支持

场景&#xff1a;如何获取登录时响应消息中的sessionid&#xff0c;以及如何在后续请求中把sessionid添到cookie中 Requests库提供了一个Session类&#xff0c;通过requests库中的session对象&#xff0c;requests库会自动帮我们保存服务端返回的cookie数据(set-cookie里的内容…...

利用深度学习实现验证码识别-2-使用Python导出ONNX模型并在Java中调用实现验证码识别

1. Python部分&#xff1a;导出ONNX模型 首先&#xff0c;我们需要在Python中定义并导出一个已经训练好的验证码识别模型。以下是完整的Python代码&#xff1a; import string import torch import torch.nn as nn import torch.nn.functional as FCHAR_SET string.digits# …...

如何通过Spring Cloud Consul增强微服务安全性和可靠性

为了增强微服务的安全性和可靠性&#xff0c;Spring Cloud Consul 是一个非常强大的工具。它不仅提供了服务发现和配置管理功能&#xff0c;还能够有效地管理微服务的安全和健康状态。本文将深入探讨如何通过 Spring Cloud Consul 来增强微服务的安全性和可靠性&#xff0c;主要…...

无代码搭建小程序zion

无代码搭建小程序zion 一、无代码搭建小程序zion的降低技术门槛&#xff0c;提升开发效率 1. 无需编程经验&#xff1a;Zion无代码平台通过提供直观的可视化界面和拖拽式操作&#xff0c;让开发者无需具备复杂的编程技能也能进行小程序的开发。这种方式大大降低了技术门槛&a…...

【南方科技大学】CS315 Computer Security 【Lab1 Packet Sniffing and Wireshark】

目录 IntroductionBackgroundTCP/IP Network StackApplication LayerTransport LayerInternet LayerLink LayerPacket Sniffer Getting WiresharkStarting WiresharkCapturing PacketsTest Run Questions for the Lab Introduction 实验的第一部分介绍数据包嗅探器 Wireshark。…...

【人工智能/机器学习/机器人】数学基础-学习笔记

函数 奇偶性&#xff1a; 偶函数&#xff1a; f ( − x ) f ( x ) f(-x)f(x) f(−x)f(x)   y轴对称 f ( x ) x 2 f(x)x^2 f(x)x2     f ( − x ) ( − x ) 2 x 2 f ( x ) f(-x)(-x)^2x^2f(x) f(−x)(−x)2x2f(x) 奇函数&#xff1a; f ( − x ) − f ( x ) f(-…...

视频安防监控LntonAIServer安防管理平台抖动检测和过亮过暗检测

随着视频监控技术的发展&#xff0c;视频质量成为确保监控系统有效性的重要因素。LntonAIServer通过引入抖动检测与过亮过暗检测功能&#xff0c;进一步提升了视频监控系统的可靠性和用户体验。这些功能可以帮助及时发现并解决视频流中的质量问题&#xff0c;确保视频监控系统始…...

网络模型及协议介绍

一.OSI七层模型 OSI Open System Interconnect 开放系统互连模型 以前不同厂家所生产的网络设备的标准是不同的&#xff0c;所以为了统一生产规范就制定了OSI这个生产模型。 作用&#xff1a;降低网络进行数据通信复杂度 这个模型的作用第一降低数据通信的复杂度&#xff…...

手撕HashMap源码

终于通过不屑努力&#xff0c;把源码中的重要部分全都看完了&#xff0c;每一行代码都看明白了&#xff0c;还写了注释 import java.lang.reflect.ParameterizedType; import java.lang.reflect.Type; import java.util.*; import java.util.function.Consumer; import java.ut…...

OceanBase block_file与log过大 的问题

一、说明 block_file 是存放sstable的数据文件&#xff0c;由datafile_disk_percentage 参数与datafile_size参数决定&#xff0c;两个参数同时配置&#xff0c;以datafile_size为主。 datafile_disk_percentage 默认值是90 datafile_size 默认值是0M到正无穷 因为block_file 的…...

【Focal Loss 本质】

Focal Loss 示例 Focal Loss公式&#xff1a; 在后面的例子中&#xff0c;我们假定 y 1 的样本中&#xff0c;有两个预测值分别为(0.8, 0.4)。显然&#xff0c;0.8 很容易分类&#xff0c;0.4 很难分类。 可以看出&#xff0c;Focal Loss 降低了容易分类&#xff08;prt 0…...

CVPR 2025 MIMO: 支持视觉指代和像素grounding 的医学视觉语言模型

CVPR 2025 | MIMO&#xff1a;支持视觉指代和像素对齐的医学视觉语言模型 论文信息 标题&#xff1a;MIMO: A medical vision language model with visual referring multimodal input and pixel grounding multimodal output作者&#xff1a;Yanyuan Chen, Dexuan Xu, Yu Hu…...

React Native 导航系统实战(React Navigation)

导航系统实战&#xff08;React Navigation&#xff09; React Navigation 是 React Native 应用中最常用的导航库之一&#xff0c;它提供了多种导航模式&#xff0c;如堆栈导航&#xff08;Stack Navigator&#xff09;、标签导航&#xff08;Tab Navigator&#xff09;和抽屉…...

遍历 Map 类型集合的方法汇总

1 方法一 先用方法 keySet() 获取集合中的所有键。再通过 gey(key) 方法用对应键获取值 import java.util.HashMap; import java.util.Set;public class Test {public static void main(String[] args) {HashMap hashMap new HashMap();hashMap.put("语文",99);has…...

【ROS】Nav2源码之nav2_behavior_tree-行为树节点列表

1、行为树节点分类 在 Nav2(Navigation2)的行为树框架中,行为树节点插件按照功能分为 Action(动作节点)、Condition(条件节点)、Control(控制节点) 和 Decorator(装饰节点) 四类。 1.1 动作节点 Action 执行具体的机器人操作或任务,直接与硬件、传感器或外部系统…...

鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个医院查看报告小程序

一、开发环境准备 ​​工具安装​​&#xff1a; 下载安装DevEco Studio 4.0&#xff08;支持HarmonyOS 5&#xff09;配置HarmonyOS SDK 5.0确保Node.js版本≥14 ​​项目初始化​​&#xff1a; ohpm init harmony/hospital-report-app 二、核心功能模块实现 1. 报告列表…...

C# 求圆面积的程序(Program to find area of a circle)

给定半径r&#xff0c;求圆的面积。圆的面积应精确到小数点后5位。 例子&#xff1a; 输入&#xff1a;r 5 输出&#xff1a;78.53982 解释&#xff1a;由于面积 PI * r * r 3.14159265358979323846 * 5 * 5 78.53982&#xff0c;因为我们只保留小数点后 5 位数字。 输…...

Java编程之桥接模式

定义 桥接模式&#xff08;Bridge Pattern&#xff09;属于结构型设计模式&#xff0c;它的核心意图是将抽象部分与实现部分分离&#xff0c;使它们可以独立地变化。这种模式通过组合关系来替代继承关系&#xff0c;从而降低了抽象和实现这两个可变维度之间的耦合度。 用例子…...

JavaScript基础-API 和 Web API

在学习JavaScript的过程中&#xff0c;理解API&#xff08;应用程序接口&#xff09;和Web API的概念及其应用是非常重要的。这些工具极大地扩展了JavaScript的功能&#xff0c;使得开发者能够创建出功能丰富、交互性强的Web应用程序。本文将深入探讨JavaScript中的API与Web AP…...

【MATLAB代码】基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),附源代码|订阅专栏后可直接查看

文章所述的代码实现了基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),针对传感器观测数据中存在的脉冲型异常噪声问题,通过非线性加权机制提升滤波器的抗干扰能力。代码通过对比传统KF与MCC-KF在含异常值场景下的表现,验证了后者在状态估计鲁棒性方面的显著优…...

破解路内监管盲区:免布线低位视频桩重塑停车管理新标准

城市路内停车管理常因行道树遮挡、高位设备盲区等问题&#xff0c;导致车牌识别率低、逃费率高&#xff0c;传统模式在复杂路段束手无策。免布线低位视频桩凭借超低视角部署与智能算法&#xff0c;正成为破局关键。该设备安装于车位侧方0.5-0.7米高度&#xff0c;直接规避树枝遮…...