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
|
7月前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
528 0
|
7月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
606 1
|
7月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
683 0
|
7月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
371 0
|
10月前
|
机器学习/深度学习 算法 量子技术
GQNN框架:让Python开发者轻松构建量子神经网络
为降低量子神经网络的研发门槛并提升其实用性,本文介绍一个名为GQNN(Generalized Quantum Neural Network)的Python开发框架。
273 4
GQNN框架:让Python开发者轻松构建量子神经网络
|
10月前
|
JSON 监控 BI
拼多多批量下单工具,拼多多买家批量下单软件,低价下单python框架分享
使用Selenium实现自动化操作流程多线程订单处理提升效率
|
10月前
|
机器人 数据安全/隐私保护 Python
企业微信自动回复软件,企业微信自动回复机器人,python框架分享
企业微信机器人包含完整的消息处理流程,支持文本消息自动回复、事件处理、消息加密解密等功能
|
8月前
|
机器学习/深度学习 算法 PyTorch
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
【Pytorch框架搭建神经网络】基于DQN算法、优先级采样的DQN算法、DQN + 人工势场的避障控制研究(Python代码实现)
217 1
|
8月前
|
机器学习/深度学习 算法 PyTorch
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
【DQN实现避障控制】使用Pytorch框架搭建神经网络,基于DQN算法、优先级采样的DQN算法、DQN + 人工势场实现避障控制研究(Matlab、Python实现)
360 0

热门文章

最新文章

推荐镜像

更多