系统崩了,我的【Conda等Jupyter人工智能环境】怎么办?

简介: 系统崩了,我的【Conda等Jupyter人工智能环境】怎么办?

image.png

大家好,不知道大家经常重装系统不?重装系统不麻烦,重装你的工作环境才麻烦,太麻烦了,简直不想动手。为啥?且听我一一道来。

  • 一般情况下我会用conda创建许多虚拟环境,每一个都好大。。。
  • 二来许多环境都是跟CUDA对应版本绑定,大家想想装cuda得多麻烦啊啊啊
  • 三就是人懒,为啥系统坏了,我环境要重装?没天理啊

俺么今天就跟大家讲讲怎么操作? 都是实践经验,希望大家点赞收藏。


1.conda恢复


1.1 conda 环境变量恢复


一般情况下,conda环境可以安装到系统盘外,或者系统坏了,把conda环境备份。 恢复时填回去环境变量即可,例如我的: image.png


I:\miniconda3
I:\miniconda3\Scripts
I:\miniconda3\Library\bin


1.2 conda源恢复


这个更简单,先备份 C:\Users\Administrator.condarc

或者你直接指定用户目录为非系统盘,届时再恢复回去嘛。 我的文件内容:


channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

1.3 conda提示符恢复


这个没捷径,直接原模原样操作:

win10安装完conda不显示base提示符,主要是权限问题,可按如下步骤进行:

  1. 第一步:以管理员身份运行powershell
  2. 第二步:执行:get-ExecutionPolicy,回复Restricted,表示状态是禁止的。
  3. 第三步:执行:set-ExecutionPolicy RemoteSigned第四步:选择Y,回车。
  4. 第五步:conda init。
  5. 第六步:重启powershell,问题解决。


1.4 conda默认虚拟环境设置


简单,首先打开 C:\Users\Administrator\Documents\WindowsPowerShell\profile.ps1

或者你的文档目录下添加一句话:


#region conda initialize
# !! Contents within this block are managed by 'conda init' !!
(& "I:\miniconda3\Scripts\conda.exe" "shell.powershell" "hook") | Out-String | Invoke-Expression
conda activate p2 #我添加的
#endregion

这样就会默认使用我的 p2环境了,你说爽不爽?


2.jupyter恢复


更加粗暴,先备份 C:\Users\Administrator.jupyter,再拷贝回用户名下即可。 我们看看


Mode                 LastWriteTime         Length Name
----                 -------------         ------ ----
-a----         2023/3/28      0:50            154 jupyter_notebook_config.json
-a----         2023/3/27     23:38             32 migrated

2.1 jupyter_notebook_config.json


该文件主要是保存了原先设置的密码,当然是以加密的形式存储的,全部内容如下:


{
  "NotebookApp": {
    "password": "argon2:$argon2id$v=19$m=10240,t=10,p=8$VHzODLuLVltpDZXPfDUWiw$GNuOzPZi6yxOi2RFYX8ZjAaf+etD3Z7p3ZgMA+ft2RY"
  }
}


2.2 migrated文件


迁移时什么意思?? 这是什么鬼? 打开只有一句话 2023-03-27T15:38:15.999831+00:00 不理他,睡觉吧。


3.经验


好了,经验介绍完毕,至此我的环境也好了。 下次遇到系统崩坏千万别连同环境一起扔了啊啊啊,切记切记,兄弟姐妹们!!!

大家不好奇什么导致我系统崩了嘛?

  • win11下想用WSL2搞GPU版本linux,想更方便,结果卡的要死,特别是输入法,实在没招就卸载了,WSL2,结果就蓝屏了,结果我很水,不会修蓝屏,我就重装了,重装了win10,,,我再也不爱win11了,大家江湖再见,希望再也不要崩溃了。

image.png


目录
相关文章
|
2月前
|
传感器 数据采集 机器学习/深度学习
人工智能与环境保护:智能监测与治理的新策略
【9月更文挑战第21天】人工智能在环境保护中的应用,为智能监测与治理提供了新的策略和方法。通过实时数据采集与分析、智能预警与应急响应、精准化决策支持等技术的应用,AI正在引领一场革命性的变革。未来,随着技术的不断发展和应用场景的拓展,AI将在环境保护中发挥更加重要的作用,助力我们构建更加绿色、可持续的未来。让我们携手共进,共同迎接一个更加美好的明天。
|
5天前
|
人工智能 监控 物联网
深度探索人工智能与物联网的融合:构建未来智能生态系统###
在当今这个数据驱动的时代,人工智能(AI)与物联网(IoT)的深度融合正引领着一场前所未有的技术革命。本文旨在深入剖析这一融合背后的技术原理、探讨其在不同领域的应用实例及面临的挑战与机遇,为读者描绘一幅关于未来智能生态系统的宏伟蓝图。通过技术创新的视角,我们不仅揭示了AI与IoT结合的强大潜力,也展望了它们如何共同塑造一个更加高效、可持续且互联的世界。 ###
|
5天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
25 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
5天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
25 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
2月前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
121 22
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
108 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
1月前
|
Ubuntu
Ubuntu学习笔记(七):ubuntu下jupyter指定虚拟环境
本文介绍了如何在Ubuntu系统下使用Anaconda和Jupyter Notebook指定并切换不同的虚拟环境。
82 0
Ubuntu学习笔记(七):ubuntu下jupyter指定虚拟环境
|
2月前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
102 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
2月前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
90 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
2月前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
54 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台