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…...
Android Wi-Fi 连接失败日志分析
1. Android wifi 关键日志总结 (1) Wi-Fi 断开 (CTRL-EVENT-DISCONNECTED reason3) 日志相关部分: 06-05 10:48:40.987 943 943 I wpa_supplicant: wlan0: CTRL-EVENT-DISCONNECTED bssid44:9b:c1:57:a8:90 reason3 locally_generated1解析: CTR…...
React 第五十五节 Router 中 useAsyncError的使用详解
前言 useAsyncError 是 React Router v6.4 引入的一个钩子,用于处理异步操作(如数据加载)中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误:捕获在 loader 或 action 中发生的异步错误替…...
零门槛NAS搭建:WinNAS如何让普通电脑秒变私有云?
一、核心优势:专为Windows用户设计的极简NAS WinNAS由深圳耘想存储科技开发,是一款收费低廉但功能全面的Windows NAS工具,主打“无学习成本部署” 。与其他NAS软件相比,其优势在于: 无需硬件改造:将任意W…...
FFmpeg 低延迟同屏方案
引言 在实时互动需求激增的当下,无论是在线教育中的师生同屏演示、远程办公的屏幕共享协作,还是游戏直播的画面实时传输,低延迟同屏已成为保障用户体验的核心指标。FFmpeg 作为一款功能强大的多媒体框架,凭借其灵活的编解码、数据…...

高频面试之3Zookeeper
高频面试之3Zookeeper 文章目录 高频面试之3Zookeeper3.1 常用命令3.2 选举机制3.3 Zookeeper符合法则中哪两个?3.4 Zookeeper脑裂3.5 Zookeeper用来干嘛了 3.1 常用命令 ls、get、create、delete、deleteall3.2 选举机制 半数机制(过半机制࿰…...
【Java学习笔记】BigInteger 和 BigDecimal 类
BigInteger 和 BigDecimal 类 二者共有的常见方法 方法功能add加subtract减multiply乘divide除 注意点:传参类型必须是类对象 一、BigInteger 1. 作用:适合保存比较大的整型数 2. 使用说明 创建BigInteger对象 传入字符串 3. 代码示例 import j…...

R语言速释制剂QBD解决方案之三
本文是《Quality by Design for ANDAs: An Example for Immediate-Release Dosage Forms》第一个处方的R语言解决方案。 第一个处方研究评估原料药粒径分布、MCC/Lactose比例、崩解剂用量对制剂CQAs的影响。 第二处方研究用于理解颗粒外加硬脂酸镁和滑石粉对片剂质量和可生产…...

【网络安全】开源系统getshell漏洞挖掘
审计过程: 在入口文件admin/index.php中: 用户可以通过m,c,a等参数控制加载的文件和方法,在app/system/entrance.php中存在重点代码: 当M_TYPE system并且M_MODULE include时,会设置常量PATH_OWN_FILE为PATH_APP.M_T…...
Vue 模板语句的数据来源
🧩 Vue 模板语句的数据来源:全方位解析 Vue 模板(<template> 部分)中的表达式、指令绑定(如 v-bind, v-on)和插值({{ }})都在一个特定的作用域内求值。这个作用域由当前 组件…...

企业大模型服务合规指南:深度解析备案与登记制度
伴随AI技术的爆炸式发展,尤其是大模型(LLM)在各行各业的深度应用和整合,企业利用AI技术提升效率、创新服务的步伐不断加快。无论是像DeepSeek这样的前沿技术提供者,还是积极拥抱AI转型的传统企业,在面向公众…...