人工智能算法python程序运行环境安装步骤整理

简介: 本教程详细介绍Python与AI开发环境的配置步骤,涵盖软件下载、VS2017安装、Anaconda配置、PyCharm设置及组件安装等内容,适用于Windows系统,助你快速搭建开发环境。

步骤一:几个软件下载
通过网盘分享的文件:python-AI

链接: https://pan.baidu.com/s/1UGeo7AJq9IBpZEiJRNW35g

提取码: kb4w

下载里面的软件

1.jpg

步骤二:安装VS2017
具体的安装可以参考:

https://blog.csdn.net/weixin_41722928/article/details/83000343

在 vs2017 界面选择 c++的所有组件不要漏

2.jpg

如上图所示,将里面标题中有C++的全部选中。

步骤三:Anaconda安装
Anaconda环境配置,安装Anaconda能使我们配置环境更加方便。

3.jpg

如果是windows操作系统,则直接安装步骤一里面的软件版本就可以了,如果是其他操作系统,则进入Anaconda官网下载相应版本。

https://www.anaconda.com/products/individual#Downloads

4.jpg

一般我们选择 64 位。安装过程一般为:

【选择‘Justme’】=》

【选择安装路径,最好不在 C 盘】=》

【两个选项都打钩】=》

【完成】 这时候应该能在【开始】找到【Anaconda3(64-bit)】,至此 Anacanda3 安装完成。

具体细节可以参考如下博客:

https://blog.csdn.net/didiaopao/article/details/119787139?spm=1001.2014.3001 .5501

步骤四:Anaconda prompt设置
在【开始】菜单中找到【Anaconda3(64-bit)】文件夹,打开 Anaconda prompt

5.jpg

打开之后,显示黑色指令界面。

执行(1)【condaenv list】查看环境

condaenv list

这里 python为 3.7 (如果组件无法安装,可以更新为 python12 或者最新版本) 创建新的环境

执行(2)【conda create -n pytorch python=3.7】

conda create -n pytorch python=3.7

6.jpg

安装完成后,再次

执行(3)【condaenv list】,可以看到 pytorch 环境

condaenv list

执行(4) 【conda activate pytorch】,激活环境

conda activate pytorch

由于 pytorch 官网在国外下载较慢,我们使用清华源,执行(5)

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --set show_channel_urls yes

7.jpg

然后执行(6)

conda install pytorch torchvision torchaudio cudatoolkit=11.1

步骤五:pycharm安装
Pycharm是一款十分好用的PythonIDE,你也可以使用其他的IDE,这里介绍Pycharm环境的安装。

注意尽量不要安装在,这里全打钩:

8.jpg

然后开始安装。 选择【later】

9.jpg

打开 Pycharm:

10.jpg
11.jpg

配置完成之后右下角应该变成 python3.7(pytorch)

这里注意下,前面提到,如果python3.7版本不支持部分组件,则直接安装python12.那么上面新建工程的配置就变为如下图所示:

12.jpg

步骤六:安装python程序序所需要的组件
这个根据实际程序的情况,选择对应的就可以了,以mediapipe为例子:

13.jpg

打开pycharm软件的setting:

14.jpg
15.jpg

相关文章
|
11天前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
|
11天前
|
存储 算法 生物认证
基于Zhang-Suen算法的图像细化处理FPGA实现,包含testbench和matlab验证程序
本项目基于Zhang-Suen算法实现图像细化处理,支持FPGA与MATLAB双平台验证。通过对比,FPGA细化效果与MATLAB一致,可有效减少图像数据量,便于后续识别与矢量化处理。算法适用于字符识别、指纹识别等领域,配套完整仿真代码及操作说明。
|
11天前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于改进型A*算法的机器人路径规划(Python代码实现)
|
11天前
|
机器学习/深度学习 编解码 算法
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
【机器人路径规划】基于迪杰斯特拉算法(Dijkstra)的机器人路径规划(Python代码实现)
|
11天前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
【机器人路径规划】基于A*算法的机器人路径规划研究(Python代码实现)
|
11天前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于深度优先搜索(Depth-First-Search,DFS)算法的机器人路径规划(Python代码实现)
|
11天前
|
算法 机器人 定位技术
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
【机器人路径规划】基于流场寻路算法(Flow Field Pathfinding)的机器人路径规划(Python代码实现)
机器学习/深度学习 算法 自动驾驶
113 0
|
19天前
|
算法 定位技术 调度
基于蚂蚁优化算法的柔性车间调度研究(Python代码实现)
基于蚂蚁优化算法的柔性车间调度研究(Python代码实现)
|
19天前
|
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)

推荐镜像

更多