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”

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

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:

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:

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:
- 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 或 .zshrc 文件:
export PATH="/usr/local/anaconda3/bin:$PATH"
然后执行:
source ~/.bash_profile
或
source ~/.zshrc
- 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:

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

安装完成后,重启内核即可正常运行代码:

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: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&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,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,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,特别是数据填充方面的应用。 在实际的数据集中,…...
【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,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: 输入:1->2->4, 1->3->4 输出: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, 把所有温湿度传感器都换成 SHT40 ,替换以前的 SHT21。在 STM32 系列产品上的替换都正常,但是在一块 51 内核的无线产品上面,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,它定义了一种抽象,用于表示一组提供相同功能的Pods(容器组)的逻辑集合,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: 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:如何获取登录时响应消息中的sessionid,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,通过requests库中的session对象,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:导出ONNX模型 首先,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: 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,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,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,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,提升开发效率 1. 无需编程经验:Zion无代码平台通过提供直观的可视化界面和拖拽式操作,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: 偶函数: 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: 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,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,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,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,所以为了统一生产规范就制定了OSI这个生产模型。 作用: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ÿ…...
手撕HashMap源码
终于通过不屑努力,把源码中的重要部分全都看完了,每一行代码都看明白了,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,由datafile_disk_percentage 参数与datafile_size参数决定,两个参数同时配置,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: 在后面的例子中,我们假定 y 1 的样本中,有两个预测值分别为(0.8, 0.4)。显然,0.8 很容易分类,0.4 很难分类。 可以看出,Focal Loss 降低了容易分类(prt 0…...
像素艺术爱好者的福音:忍者像素绘卷开箱即用体验与作品集
像素艺术爱好者的福音:忍者像素绘卷开箱即用体验与作品集 1. 走进忍者像素绘卷的世界 如果你是80、90后,一定还记得那些让我们废寝忘食的16位像素游戏。如今,忍者像素绘卷将带你重温那段美好时光,用AI技术重新诠释像素艺术的魅力…...
OpenClaw本地部署指南:千问3.5-9B接口配置与调试技巧
OpenClaw本地部署指南:千问3.5-9B接口配置与调试技巧 1. 为什么选择OpenClaw千问3.5-9B组合 去年我在尝试自动化处理日常工作报告时,发现市面上的RPA工具要么功能臃肿,要么需要将数据上传到云端处理。直到遇到OpenClaw这个开源框架…...
告别背包焦虑:TQVaultAE如何彻底改变《泰坦之旅》装备管理体验
告别背包焦虑:TQVaultAE如何彻底改变《泰坦之旅》装备管理体验 【免费下载链接】TQVaultAE Extra bank space for Titan Quest Anniversary Edition 项目地址: https://gitcode.com/gh_mirrors/tq/TQVaultAE 对于《泰坦之旅》玩家来说,最令人沮丧…...
移动设备上实现实时人物移除的终极优化指南
移动设备上实现实时人物移除的终极优化指南 【免费下载链接】Real-Time-Person-Removal Removing people from complex backgrounds in real time using TensorFlow.js in the web browser 项目地址: https://gitcode.com/gh_mirrors/re/Real-Time-Person-Removal Real-…...
Llama-3.2V-11B-cot效果展示:低光照/模糊图像下的鲁棒推理案例
Llama-3.2V-11B-cot效果展示:低光照/模糊图像下的鲁棒推理案例 1. 项目概述 Llama-3.2V-11B-cot是基于Meta Llama-3.2V-11B-cot多模态大模型开发的高性能视觉推理工具,专为双卡4090环境深度优化。该工具不仅修复了视觉权重加载的关键Bug,还…...
OpenClaw命令行增强:gemma-3-12b-it解释复杂指令并自动补全
OpenClaw命令行增强:gemma-3-12b-it解释复杂指令并自动补全 1. 为什么需要命令行增强工具 作为一个常年与终端打交道的开发者,我经常遇到这样的困境:记得某个命令的功能,却想不起具体参数;或者面对复杂的管道操作时&…...
DeepSeek LeetCode 1210. 穿过迷宫的最少移动次数 public int minimumMoves(int[][] grid)
我来分析 LeetCode 1210 “穿过迷宫的最少移动次数” 的解题思路和实现。 问题分析 我们有一条长度为 2 的蛇,需要从起点 (0,0) 和 (0,1)(水平放置)移动到终点 (n-1, n-2) 和 (n-1, n-1)(仍为水平放置)。蛇可以&#x…...
Youtu-VL-4B-Instruct保姆级部署教程:5分钟搞定看图说话AI,小白也能快速上手
Youtu-VL-4B-Instruct保姆级部署教程:5分钟搞定看图说话AI,小白也能快速上手 1. 为什么选择Youtu-VL-4B-Instruct? Youtu-VL-4B-Instruct是一个能同时理解图片和文字的AI模型,它基于腾讯优图实验室开发的40亿参数视觉语言模型。…...
OpenClaw+Phi-3-vision-128k-instruct:智能相册的自动化分类与标签系统
OpenClawPhi-3-vision-128k-instruct:智能相册的自动化分类与标签系统 1. 为什么需要智能相册管理 作为一个摄影爱好者,我的照片库在过去十年里积累了超过5万张照片。每次想找某张特定场景的照片时,都要花费大量时间翻找文件夹。更糟糕的是…...
基于大数据与深度学习的二手房价格预测系统设计与实现-完整源码论文毕设项目
博主介绍:👉全网个人号和企业号粉丝40W,每年辅导几千名大学生较好的完成毕业设计,专注计算机软件领域的项目研发,不断的进行新技术的项目实战👈 ⭐️热门专栏推荐订阅⭐️ 订阅收藏起来,防止下次找不到 &am…...
