史上最全深度学习环境配置教程---适用于各种深度学习框架---Pytorh TensorFlow Keras-等和各种python环境(一)

简介: 史上最全深度学习环境配置教程---适用于各种深度学习框架---Pytorh TensorFlow Keras-等和各种python环境(一)

首先我们先说一下软件下载问题:

我们要配置环境,一定要下载软件,我个人是非常主张所有软件都采用谷歌浏览器下载的,事实也证明这样做会带来很多好处,基本上程序猿都是使用谷歌浏览器的,我不建议使用其他浏览器采用我的方法,而且谷歌浏览器的盗版很多,我这里给出正确的下载链接。


Google Chrome 网络浏览器


image.png


直接下载安装即可,默认路径就行,反正也不大,千万别坚持用什么360等等,谷歌浏览器的好处自己慢慢体会。


然后我们就要下载我们需要的深度学习环境软件了,我们的环境是基于anaconda和pycharm的,这也是现在大多数搞深度学习的程序员喜欢的,当然也可以单纯用anaconda或者pycharm进行开发,但是弊端你自己慢慢体会,我这里只说我认为对的方法,anaconda+pycharm。


简单解释一下两个软件的功能,anaconda提供基本上你能想要的所有库,通过anaconda下载所有库,然后pycharm是IDE,就是所谓的写程序的编译环境,我们通过anaconda下载所有库,然后导入pycharm进行使用和程序开发。这就组成了我们所谓的深度学习环境,或者你配置的是其他环境也行,反正都一样。


说到这里,我们已经对我们需要配置的软件有了一点了解,下面我们给出anaconda和pycharm的下载链接,之前帮师弟师妹们配置环境,发现他们都从网上乱找这些软件,甚至从微信公众号上搞百度云的下载链接,总之会出现各种问题,其实我们之间去官网下载就行,反正anaconda是免费的不用破解,pycharm社区版的也不用破解(社区版的完全可以满足需求,至少我用了三年了一直没啥问题)。


anaconda下载链接:Anaconda | The World's Most Popular Data Science Platform


image.png

点Download直接下载即可,我默认大家都是windows系统,其他的系统的请另选他处。


pycharm的下载链接:PyCharm: the Python IDE for Professional Developers by JetBrains


image.png

点击DOWNLOAD ,则进入到下一个界面,如下,

image.png


左边的Professional是专业版的,我们下载的是右边的Community社区版的即可。点右边黑色的Download即可,这就是正在下载了。


image.png

好了,等我们软件下载成功我们就要进入深度学习这个天坑了,做好被恶心的准备,如果你网速不好下载失败了,多点几次就行了,或者换个网速好的地方,这也没办法,多尝试吧。


image.png

软件下载好了,我们首先安装anaconda,看了网上那么多啰嗦的anaconda安装教程会导致我刚开始学的时候看的头大,我决定来个简单点的教程,干净利落的解决所有问题,其他详细的问题,遇到了再慢慢解决就行。


anaconda的安装:

双击运行


                  image.png


点击next,


                  image.png


点击I Agree


                image.png


点击Next


              image.png


这里是安装路径,可以修改,别让路径中有中文即可,我这里是瞎弄的,因为我电脑上有环境了,所以走个形式给大家演示一下。


然后点Next即可


image.png


这里按照我弄的来就行,如果你想深究参数的意义,可以自行百度研究。这里点Install


image.png

这是正在安装的过程,等就行了,有时候可能会有点慢。


image.png

最后界面上不论你的选项是否跟我的一样,你都不要选,不要选,这两个对号不要打。


好了,到这里你的anaconda就安装完毕了。 点击的电脑的开始


                      ,image.png


会出现这一大堆,默认win10啊,其他的也差不多,这说明安装好了。

相关文章
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
868 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
机器学习/深度学习 PyTorch TensorFlow
66_框架选择:PyTorch vs TensorFlow
在2025年的大语言模型(LLM)开发领域,框架选择已成为项目成功的关键决定因素。随着模型规模的不断扩大和应用场景的日益复杂,选择一个既适合研究探索又能支持高效部署的框架变得尤为重要。PyTorch和TensorFlow作为目前市场上最主流的两大深度学习框架,各自拥有独特的优势和生态系统,也因此成为开发者面临的经典选择难题。
1924 0
|
Python
在VScode环境下配置Python环境的方法
经过上述步骤,你的VSCode环境就已经配置好了。请尽情享受这扇你为自己开启的知识之窗。如同你在冒险世界中前行,你的探索之路只有越走越广,你获得的知识只会越来越丰富,你的能力只会越来越强。
1470 37
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
1056 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
机器学习/深度学习 数据可视化 TensorFlow
使用Python实现深度学习模型的分布式训练
使用Python实现深度学习模型的分布式训练
765 73
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
1647 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
1051 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
Shell Linux Ruby
Python3虚拟环境venv
`venv` 是 Python 的虚拟环境工具,用于为不同项目创建独立的运行环境,避免依赖冲突。通过 `python3 -m venv` 命令创建虚拟环境,并使用 `source bin/activate` 激活。激活后,所有 Python 包将安装在该环境中,不影响系统全局环境。退出环境使用 `deactivate` 命令。每个虚拟环境拥有独立的包集合,确保项目间的隔离性。删除虚拟环境只需删除其目录即可。
1982 34
|
Java API Docker
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境
以上内容是一个简单的实现在Java后端中通过DockerClient操作Docker生成python环境并执行代码,最后销毁的案例全过程,也是实现一个简单的在线编程后端API的完整流程,你可以在此基础上添加额外的辅助功能,比如上传文件、编辑文件、查阅文件、自定义安装等功能。 只有锻炼思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
在线编程实现!如何在Java后端通过DockerClient操作Docker生成python环境

热门文章

最新文章

推荐镜像

更多