代码是这两段fourcc = cv2.VideoWriter_fourcc('M','P','4','V')writer = cv2.VideoWriter(videooutpath, fourcc, 20.0, (1280, 960), True)如果把cv2.VideoWriter_fourcc括号内的参数删掉，单独这句话就不报错，但是放在cv2.VideoWriter中就会报另一个错，如下。ctrl+单击后会跳转到__init__.py中，其对应内容如下，非常怪，为什么本身就不接收参数，但是我看到所有网上的代码都是要加参数的。

比如说我获取了网页中的以0开头的数字时，写入excel后0会丢失

如图：我依次安装对应的包，然后执行congda list以后没有显示torch，torchvision等，重新安装则显示已安装。重启notebook，再次重新安装，就像第一次安装一样。我想在notobook里面安装torch的支持，需要怎么实现呢

使用modelarts里的codelab，就有必要了解一下anaconda. 因为codelab是使用anaconda来管理多个环境的。 为什么会有anaconda呢？ 其实原因和为什么会有虚拟机呢？ 为什么会有容器呢？ 这些问题的原因是一样一样的。 那就是因为开发或使用的环境要求是多种多样的， 比如做AI开发， 有可能某个项目要用python2 有可能要用python3 有可能这个项目要用python3里某个模块的特定的版本 那没有必要每个项目搭建一套硬件环境， 或者 每个项目搭建一套虚拟机环境， 那都太重了， 但是每个项目搭建一套容器环境，这个是不是可以考虑？但是anaconda更轻便 用anaconda把这些差异的环境管理并隔离起来，互相不影响，各自用各自的，不是挺好的吗 这种不同环境的建立和切换，其实手工也可以处理，但是会有很多繁琐的细节需要处理，而交给anaconda就方便了~

链接：https://bbs.huaweicloud.com/blogs/354508【摘要】 本文将采用Anaconda+VsCode+JupyterNotebook的方案，环境安装完毕后，将拥有Python运行环境、常见的Python库例如python三剑客：Numpy、matplotlib、pandas、机器学习库sklearn全都有了。这是机器未来的第5篇文章写在前面：博客简介：专注AIoT领域，追逐未来时代的脉搏，记录路途中的技术成长！专栏简介：本专栏的核心就是：快！快！快！2周快速拿下Python，具备项目开发能力，为机器学习和深度学习做准备。面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶物体检测系列…@toc1. 概述目前主流的Python开发IDE主要有PyCharm、JupterNotebook，VsCode等，以前主流时PyCharm，随着VsCode插件的丰富，目前VsCode已经成为主流的顶流了。本文将采用Anaconda+VsCode+JupyterNotebook的方案，环境安装完毕后，将拥有Python运行环境、常见的Python库例如python三剑客：Numpy、matplotlib、pandas、机器学习库sklearn全都有了。2. 安装Anaconda2.1 概述Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。其简化了python软件包的安装，并且自动关联依赖，自动下载依赖的软件包，避免不必要的冲突，另外，anaconda最重要的功能就是创建虚拟环境，实现各种项目开发框架及版本的隔离。2.2 下载anacondaAnaconda的官方下载速度较慢，推荐使用清华大学的源下载，尽量选择日期较新的版本，根据操作系统版本选择对应的版本。官方下载地址：https://www.anaconda.com/国内下载地址：清华大学 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/2.3 安装Anaconda注意事项：不要有中文路径，安装过程无脑下一步即可。安装完毕之后，python、pip等软件均已安装完毕。2.4 测试Anaconda在命令提示符输入conda -V查看conda版本，以确认conda环境是否生效。PS C:\Users\zhoushimin> conda -V conda 4.10.32.5 配置Anaconda由于Anaconda官方服务器在国外，安装python软件包时下载速度巨慢，因此需要配置国内安装源，在这里使用清华大学的第三方源。首先找到配置文件【.condarc】，其在C盘用户目录下，如图：如果不存在，则直接创建即可。打开文件后，将以下内容拷贝到文件中channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud清除索引缓存在命令行执行命令conda clean -i建立虚拟环境测试下载速度conda create -n myenv numpy测试时会发现下载包的速度杠杠的，测试完毕后，删除myenv虚拟环境conda remove -n myenv --all恢复官方安装源如果使用第三方源出现问题，可以恢复官方安装源重试，恢复指令如下：conda config --remove-key channels3. 配置pip国内安装源使用pip安装软件包时，有些安装包下载速度特别慢，可以选择国内的安装源。3.1 安装源列表以下安装源可以选择：# 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ # 阿里云 http://mirrors.aliyun.com/pypi/simple/ # 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple3.2 安装源的使用方式临时使用以安装tensorflow使用阿里云安装源为例，在-i后面指定安装源即可pip install tensorflow_gpu==2.3 -i http://mirrors.aliyun.com/pypi/simple/永久使用做如下配置后，无需再使用-i选项pip install pip -U #升级 pip 到最新的版本后进行配置： pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/恢复官方安装源如果安装源出现异常，恢复官方安装源的方式如下：pip config unset global.index-url`3. 安装VsCode3.1 VsCode安装下载地址:https://code.visualstudio.com/安装过程略3.2 VsCode中文支持启动VsCode后，点击左侧的扩展功能栏，输入chinese，选择【简体中文】语言包安装重启即可转换为中文。3.3 VsCode设置之文件修改自动保存开启了这个配置后，对文件的修改为自动保存，再也不会因为没有保存导致心血浪费了。3.4 VsCode设置之自动补全输入editor.tabCompletion开启自动补全3.5 python插件的安装点击VsCode左侧扩展工具栏，输入Python，选择第一个结果，然后在右侧点击安装即可。3.6 jupter插件的安装4. 验证安装环境测试python版本启动命令提示符，输入python查看python版本，从下图中可知python版本为3.7.0测试Vscode中运行jupter notebook在目录下创建demo.ipynb文件，ipynb后缀为jupter notebook文件的后缀，在右侧的代码输入框内输入 import numpy as np print(np.__version__)查询numpy的版本，如果正确输出版本号，则说明环境搭建成功，从下图可知，numpy的版本号为1.21.25. jupyter中常用的快捷键有哪些？Ctrl + Enter :运行代码Shift + Enter：运行代码，光标定位到下一行Tab : 代码补全Shift + Tab / ? / ?? ：查看文档Esc：命令模式Enter：编辑模式命令模式下：A：上面添加一个单元格B：下面添加一个单元格DD:删除一个单元格M:MarkdownY：代码推荐阅读：物体检测快速入门系列(2)-Windows部署GPU深度学习开发环境物体检测快速入门系列(3)-Windows部署Docker GPU深度学习开发环境物体检测快速入门系列(4)-TensorFlow 2.x Object Detection API快速安装手册物体检测快速入门系列(1)-基于Tensorflow2.x Object Detection API构建自定义物体检测器

在官网教程上找张量的代码在Vscode做测试报错，但是同样的环境在Pycharm可以跑通

前言最近想体验一下1.7.0版本，之前是1.6.1版本而且当时没有做环境管理，所以在调用的时候，有时候会和主机里的其它环境冲突于是想着趁着换一台主机就在Anaconda环境里重装一下安装过程进入cmd 为mindspore创建一个环境起名为mindsporeconda create -n mindspore python=3.9.0（注意Python版本，之前默认的它会安装3.9.12导致又重装）然后进入该环境 conda activate mindspore在官网找到对应的版本可以选用pip安装也可以选用conda安装，在此我选用conda安装指令复制粘贴：conda install mindspore-cpu=1.7.0 -c mindspore -c conda-forge输入y点击回车即开始安装，安装完成会输出“done”检验安装的有效性 输入：python -c "import mindspore;mindspore.run_check()"输出版本号+Successfully即表示安装成功测试从教程里扒拉下来的自动微分代码输出[6.]与案例结果一样，测试成功

用conda和pip比较，conda可以在conda环境下安装任何语言的包，pip可以在任何环境下安装python包。所以用conda管理安装python包是绰绰有余的。用conda可以很好解决如Numpy和Scipy的包之间的依赖关系。首先，下载anaconda,打开链接www.anaconda.com，下载自己所需要的anaconda版本，作者是选了最新版本Anaconda3-5.3.1-Windows-x86_64.exe ，需注意，安装anaconda的过程中一定要添加上环境变量，可以省掉后续添加环境变量，如图：​编辑切换为居中添加图片注释，不超过 140 字（可选）两个选项都要勾选上， 其他都都next就可以，最好安装一个内存稍微大一点的盘中，安装完毕以后执行下列语句：conda create -n mindspore python=3.7.5 ######（创建虚拟环境）conda activate mindspore######（激活虚拟环境）如果没有python,可以去https://www.python.org/ftp/python/3.7.5/python-3.7.5-amd64.exe下载，当然，也可以选择3.9.0版本，作者用了python3.7.5​编辑切换为居中添加图片注释，不超过 140 字（可选）自定义安装进一个盘内，也直接next到最后。然后安装Mindspore,进入MindSpore官网，​编辑切换为居中添加图片注释，不超过 140 字（可选）一定要注意所下载的mindspore的版本与系统是否适配，选择合适自己的下载，以64位的WINDOWS系统为例，输入命令conda create -n mindspore_py37 -c conda-forge python=3.7.5activate mindspore_py37若果用的是python3.9.0版本，conda create -n mindspore_py39 -c conda-forge python=3.9.0activate mindspore_py39运行成功后执行命令conda install mindspore-cpu={version} -c mindspore -c conda-forge其中{version}为版本号，比如conda install mindspore-cpu=1.5.0 -c mindspore -c conda-forge然后输入python -c "import mindspore;mindspore.run_check()" 来检查是否安装成功，如果安装成功，则会如图中显示​编辑切换为居中添加图片注释，不超过 140 字（可选）安装完成后，我们可以将一个文件直接输入命令行验证一下import numpy as np from mindspore import Tensor import mindspore.ops as ops import mindspore.context as contextcontext.set_context(device_target="CPU") x = Tensor(np.ones([1,3,3,4]).astype(np.float32)) y = Tensor(np.ones([1,3,3,4]).astype(np.float32)) print(ops.add(x, y))​编辑切换为居中添加图片注释，不超过 140 字（可选）

下载Miniconda（需要科学上网，不会科学上网的同胞们还是去清华源吧）：sh Miniconda3-py39_4.9.2-Linux-x86_64.sh创建环境：conda create -n mindspore激活环境：conda activate mindspore安装依赖：conda install python=3.7.5 cudatoolkit=10.1 cudnn=7.6.5 gmp=6.1.2 nccl openmpi创建文件夹cd /data/miniconda3/envs/mindsporemkdir etcmkdir etc/condamkdir etc/conda/activate.d mkdir etc/conda/deactivate.d配置虚拟环境的环境变量：nano /data/miniconda3/envs/mindspore/etc/conda/activate.d/env_vars.sh加入环境变量：export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/data/miniconda3/envs/mindspore/libexport PATH=$PATH:/data/miniconda3/envs/mindspore/bin配置退出环境时的变量（不赘述）nano /data/miniconda3/envs/mindspore/etc/conda/deactivate.d/env_vars.shexport MY_LD_PATH=/data/miniconda3/envs/mindspore/libexport LD_LIBRARY_PATH="${LD_LIBRARY_PATH/:${MY_LD_PATH}/}"export MY_PATH=/data/miniconda3/envs/mindspore/binexport PATH="${PATH/:${MY_PATH}/}"conda deactivate####（刷新一下） conda activate mindspore成功

实验环境：linux + anaconda + mindspore一、安装Anaconda     傻瓜式安装，一路next到底（注意安装盘），下载链接：（www.anaconda.com).   安装完毕以后执行下列语句：conda create -n mindspore python=3.7.5 ######（创建虚拟环境）                                               conda activate mindspore######（激活虚拟环境）二、安装mindspore     检查是否在所创建的虚拟环境内 ，然后在环境内执行以下语句 ,建议使用conda来进行mindspore的安装：     conda install mindspore-cpu={version} -c mindspore -c conda-forge   #####（｛version｝为版本内容，请注意版本号）    python -c "import mindspore;mindspore.run_check()"#####来进行安装成功与否验证，或者使用以下语句：python -c “import mindspore;print(mindspore.version)”成功将出版本号######如果安装失败就用pip进行下载安装，虚拟环境内容易出现问题，执行下列语句：pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.5.0/MindSpore/cpu/windows_x64/mindspore-1.1.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple#####如果出现以下错误：  Cannot uninstall 'xxxxxx'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.参考以下方法：pip install xxxxxx --upgrade --ignore-installed xxxxxx三、依赖安装此次安装部分区别于官方安装文档，可能会出现不可预测的问题，请谨慎选择使用！！！！！######本机运行暂未出现问题具体步骤如下：conda install cudatoolkit=10.1 cudnn=7.6.5conda install gmp=6.1.2conda install ncclconda install openmpi经过验证，完全可以使用。四、为cuda和cudnn配置环境路径在anaconda中配置环境：递归创建文件夹：mkdir -p etc/conda/activate.d进入虚拟环境后配置环境变量：vim /home/devil/anaconda3/envs/mindspore/etc/conda/activate.d/env_vars.sh.sh文件内容为以下内容：export LD_LIBRARY_PATH=/home/devil/anaconda3/envs/mindspore/lib:$LD_LIBRARY_PATH                                      export PATH=/home/devil/anaconda3/envs/mindspore/bin:$PATH杀掉环境进程：conda deactivate mindspore重新进入环境：conda activate mindspore随便写个文件验证一下：import numpy as npfrom mindspore import Tensorimport mindspore.ops as opsimport mindspore.context as contextcontext.set_context(device_target="GPU")x = Tensor(np.ones([1,3,3,4]).astype(np.float32))y = Tensor(np.ones([1,3,3,4]).astype(np.float32))print(ops.add(x, y))成功：完成

1. 打开Anaconda Prompt，建立虚拟环境并激活命令如下：conda create -n mindspore python=3.7.5conda activate mindspore图示如下：2. 安装mindspore，此处安装1.3.0版本命令如下：pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.3.0/MindSpore/cpu/x86_64/mindspore-1.3.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple#如需其他版本，只需修改标红处为对应版本图示如下：3. 验证是否安装成功命令如下：python -c "import mindspore;print(mindspore.__version__)"图示如下：4. 版本更新命令如下：pip install --upgrade mindspore————————————————原文链接：https://blog.csdn.net/weixin_54140418/article/details/120443140

1. 打开Anaconda Prompt，建立虚拟环境并激活命令如下：conda create -n mindspore python=3.7.5conda activate mindspore图示如下：2. 安装mindspore，此处安装1.3.0版本命令如下：pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.3.0/MindSpore/cpu/x86_64/mindspore-1.3.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple#如需其他版本，只需修改标红处为对应版本图示如下：3. 验证是否安装成功命令如下：python -c "import mindspore;print(mindspore.__version__)"图示如下： 4. 版本更新命令如下：pip install --upgrade mindspore————————————————原文链接：https://blog.csdn.net/weixin_54140418/article/details/120443140

原本环境还是可以运行的，但一换到mindspore环境下就运行不了，import没变绿，那个黑点一直显示内核正忙

在arm云上部署测试，要安装测试GPU需要安装anaconda和pytorch，这两个软件咱们适配没呢？

wap联盟发帖 508065