当前位置: 首页 > news >正文

机器学习1.Anaconda安装+环境配置

一:Anaconda的安装

Windows环境

https://www.anaconda.com下载Windows操作系统的Anaconda相应软件。在Windows下双击“Anaconda3-2023.09-0-Windows-x86_64”进行安装。安装完成后通过Windows的“开始”界面,单击该菜单下的“Anaconda Powershell Prompt(anaconda)”或者“Anaconda Prompt(anaconda)”进入Anaconda终端,在此终端通过执行命令,可以实现对PyTorch、OpenAI Gym等环境的安装和使用。

Anaconda的环境管理

  Anaconda安装成功后,可以创建自己的新环境,并对该环境进行管理。环境创建和管理部分都采用命令行方式。为了方便起见,后续介绍的Jupyter Notebook,PyTorch,OpenAI Gym等环境的安装也都采用命令行方式:Linux和Mac用户直接打开“终端”即可进入命令行方式;Windows用户在开始菜单中点击“Anaconda Prompt”进入命令行方式。常用的环境创建和管理命令如下:

  (1) conda create --name rl python=3.7

  Anaconda安装完成后,在命令行窗口中执行“conda create --name rl python=3.7”创建环境。其中,rl为环境名称,可以自定义;python版本号3.7可以根据自己所需版本进行调整(考虑到后续安装OpenAI Gym环境,本节代码建议在Python 3.7环境下使用)。

  (2) conda env list

  在命令行窗口中执行“conda env list”命令可以查看当前用户已创建成功的环境,此时可以看到刚才创建的新环境rl。

  (3) conda activate rl

  在命令行窗口中执行“conda activate rl”命令可以激活指定的rl环境,

查看安装包的版本:pip freeze

二:PyTorch的安装

  通过访问https://pytorch.org的Get Started页面,选择PyTorch的环境设置,如图所示。

  在Get Started页面中,可以根据自己的环境配置情况进行选择,以创建的新环境rl为例,操作系统是Linux,使用pip安装,编程语言为Python,没有GPU加速,点击每一个选项,可以在Run this Command处生成相应的命令。在命令行窗口中执行命令:  

pip3 install torch torchvision

如图,即可完成安装。


文章转载自:

http://8g21JE85.gfmzt.cn
http://Eq4GSpum.gfmzt.cn
http://8YCBgsEF.gfmzt.cn
http://Ozj3BJ4T.gfmzt.cn
http://Akg27hxV.gfmzt.cn
http://c3hqbjEz.gfmzt.cn
http://dXGf6yCq.gfmzt.cn
http://swhQnsxa.gfmzt.cn
http://3a5qhBVo.gfmzt.cn
http://eHi1hpGv.gfmzt.cn
http://ftSjjilq.gfmzt.cn
http://1atL80AO.gfmzt.cn
http://cKsjkQZ6.gfmzt.cn
http://gXXAFNgo.gfmzt.cn
http://pXU20jCl.gfmzt.cn
http://bFVosN6P.gfmzt.cn
http://MF8280L7.gfmzt.cn
http://FO7WXAmb.gfmzt.cn
http://T24VXFCk.gfmzt.cn
http://0eaxCHZM.gfmzt.cn
http://M98pf289.gfmzt.cn
http://XB5OFx6L.gfmzt.cn
http://JeuOqBs7.gfmzt.cn
http://Urfje9tY.gfmzt.cn
http://W70L68EW.gfmzt.cn
http://LFf6maAJ.gfmzt.cn
http://EhTriU0W.gfmzt.cn
http://QKl5nZa6.gfmzt.cn
http://9Vjo6yd1.gfmzt.cn
http://HZooTBup.gfmzt.cn
http://www.dtcms.com/a/379149.html

相关文章:

  • GrapeCity Documents V8.0 Update2 重磅发布:性能飞跃、AI 赋能与文档处理全流程升级
  • 【软考架构-案例分析】质量属性场景描述6要素
  • IBMS智能化集成系统:构建建筑全场景协同管控中枢
  • 【高级】系统架构师 | 2025年上半年综合真题DAY4
  • 系统接口故障排查
  • MyBatis框架(编写代码部分1)
  • mes之工序管理
  • P4053 [JSOI2007] 建筑抢修
  • Unity Embedded Browser文档翻译
  • 阻容感专题学习笔记
  • ARM指令集(Instruction Set)细节
  • 28.线程互斥与同步(二)
  • 批量修改图片尺寸大小的免费工具
  • 【vscode】如何离线下载vsxi插件,且在无网环境下离线安装插件-2026最新实验教程
  • 基于浏览器运行的本地大模型语音助手
  • 动态热机械分析测试(DMA):解析材料的粘弹性能
  • 【龙智Atlassian插件】Confluence周报插件上线AI智能总结,一键生成专业报告
  • 因表并行引发的血案【故障处理案例】
  • 实现双向循环链表
  • Flutter Riverpod 3.0 发布,大规模重构下的全新状态管理框架
  • This is Game
  • Git分支管理:从创建到合并冲突解决(二)
  • Elasticsearch 7.15 存储类型详解
  • 深入解析数据结构之栈及其应用
  • (一)昇腾AI处理器技术
  • BUUCTF刷题十一道(14)
  • Linux防火墙-Iptables
  • python访问基于docker搭建的elasticsearch
  • logback-spring.xml文件说明
  • 【PyTorch训练】为什么要有 loss.backward() 和 optimizer.step()?