关于Anaconda的安装和环境部署(此章专为新手制定)

简介: 关于Anaconda的安装和环境部署(此章专为新手制定)

ed8edb2267951f44a7418a708c0632cf_8e291500c6784f19ab1e47088ce43ba3.png

Anaconda简介

Anaconda是一个开源的Python发行版本,包含了Conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包,Anaconda的下载文件比较大,如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含Conda和Python)。


Conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理与环境管理。包管理与pip的使用类似,环境管理则允许用户方便地安装不同版本的Python并可以快速切换。


Anaconda利用工具/命令Conda来进行package和environment的管理,并且已经包含了Python和相关的配套工具。它是一个科学计算环境,当在电脑上安装好Anaconda3以后,就相当于安装好了Python,还有一些常用的库,如numpy、scrip、matplotlib等库。


Anaconda3对应的就是Python3.x的版本,Python3.x的默认编码方式是UTF-8,很少出现字符编码的各种问题。如果计算机上已经安装了Python,安装不会对你有任何影响。实际上,脚本和程序使用的默认Python是Anaconda附带的Python,所以安装完Anaconda已经自带安装好了Python,不需要你再安装Python了。


一、软件下载(地址👇)

推荐下载国内镜像网站下载:清华大学开源软件镜像站 | Tsinghua Open Source Mirror

2:点击下载

3:版本选择:

4:Anaconda的安装包就下载完成了

二、软件的安装

1:安装详细流程图片👇:

2:恭喜你,看到这里已经完成安装了

三、部署环境

1:点击控制面板

2:点击系统和安全

3:点击高级系统设置

4:点击环境变量

5:选择系统变量中的“Path”

6:点击“编辑”后,出现如下所示界面:

然后点击“新建”,将anaconda的路劲粘贴进去。

四、安装验证

打卡命令符,然后选择以管理员身份运行,输入python即可

目录
相关文章
为什么两个执行很快的SQL,union之后特别慢
UNION获取两个数据集并返回唯一重叠。换句话说,它花费时间去除重复。 所以如果只是想取两个SQL的结果,改成使用union all,不会有去重操作 如果还是想去重,可以在union all之后再包一层查询,使用distinct
|
存储 算法 编译器
【Linux 应用开发 】交叉编译的浮点数处理问题:从表象到底层原理的探索与解决
【Linux 应用开发 】交叉编译的浮点数处理问题:从表象到底层原理的探索与解决
590 1
|
IDE PyTorch 网络安全
|
11月前
|
机器学习/深度学习 人工智能 安全
当AI开始“思考”:软件工程师眼中的AI惊悚瞬间-优雅草卓伊凡
当AI开始“思考”:软件工程师眼中的AI惊悚瞬间-优雅草卓伊凡
329 6
|
9月前
|
缓存 API 开发工具
淘宝客商品列表 API 接口对接全攻略:从入门到精通
淘宝客API是阿里官方商品推广接口,支持按关键词、佣金等筛选商品数据,广泛用于返利网站、直播选品等场景。本文详解其对接流程、权限申请、签名机制与最佳实践,助开发者高效合规获取数据。
|
人工智能 数据库
Poetry2Image:专为中文古诗词设计的图像生成校正框架,增强了诗歌内容与模型生成图像之间的一致性
Poetry2Image 是一个专为中文古诗词图像生成设计的迭代校正框架,通过自动化反馈和校正循环,提升诗歌与图像之间的一致性,有效捕捉诗歌的语义和艺术精髓。
680 11
Poetry2Image:专为中文古诗词设计的图像生成校正框架,增强了诗歌内容与模型生成图像之间的一致性
|
缓存 NoSQL 算法
高并发秒杀系统实战(Redis+Lua分布式锁防超卖与库存扣减优化)
秒杀系统面临瞬时高并发、资源竞争和数据一致性挑战。传统方案如数据库锁或应用层锁存在性能瓶颈或分布式问题,而基于Redis的分布式锁与Lua脚本原子操作成为高效解决方案。通过Redis的`SETNX`实现分布式锁,结合Lua脚本完成库存扣减,确保操作原子性并大幅提升性能(QPS从120提升至8,200)。此外,分段库存策略、多级限流及服务降级机制进一步优化系统稳定性。最佳实践包括分层防控、黄金扣减法则与容灾设计,强调根据业务特性灵活组合技术手段以应对高并发场景。
3685 7
|
SQL 数据可视化 安全
通义灵码进阶指南:解锁智能编程的深度技巧与高阶场景实战
本文深入探讨了通义灵码从基础代码补全到全流程研发加速器的升级路径,揭秘企业级深度集成方案。内容涵盖核心能力再认知(如智能维度拆解与硬件级优化)、精准控制技术(如结构化指令模板与上下文锁定)、企业级应用(私有知识库构建与研发流水线增强)以及高阶场景实战(架构可视化重构与多模态交互)。同时提供避坑指南、效能度量体系,并展望研发智能体的未来影响,助你实现编码效率300%提升。
705 39
|
机器学习/深度学习 缓存 芯片
【AI系统】谷歌 TPU v1-脉动阵列
本文详细分析了谷歌TPU v1的架构与设计,重点介绍了其核心组件如DDR3 DRAM、矩阵乘法单元(MXU)、累加器及控制指令单元,特别是MXU中脉动阵列的工作机制。通过对比TPU v1与CPU、GPU在服务器环境中的表现,展示了TPU v1在提升神经网络计算吞吐量方面的显著优势,尤其是在低延迟和高能效方面。
1321 6