1      Conda介绍conda 是一个开源的包、环境管理器，可以用于在同一个机器上创建不同的虚拟环境，安装不同 Python 版本的软件包及其依赖，并能够在不同的虚拟环境之间切换。Conda常通过安装Anaconda/Miniconda来进行使用。一般使用Miniconda就够了。2      Miniconda安装1.下载Miniconda安装包（以下指令安装的都是最新版本）wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shwget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-aarch64.sh（https://repo.anaconda.com/miniconda/ 仓库选择自己所需要的版本）国内镜像加速网站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.shhttps://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest- Linux-aarch64.sh  2.安装Miniconda（不同cpu架构版本使用不同命令）bash Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-aarch64.sh记得source 环境变量source ~/.bashrc 执行Anaconda服务条款接受命令conda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/mainconda tos accept --override-channels --channel https://repo.anaconda.com/pkgs/r 并验证 conda info 3.配置国内镜像源（可选）conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/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/rconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2conda config --set show_channel_urls yes获取版本号conda --version 或 conda -V 3      Conda使用1.查看当前存在哪些虚拟环境conda env list 或 conda info -e 或 conda info --envs2.查看/安装/更新/删除包conda list：conda search package_nameconda install package_nameconda install package_name=1.5.0conda update package_nameconda remove package_name 3.创建conda虚拟环境创建名为your_env_name的环境conda create --name your_env_name    (- y  添加为了后续不在确认)创建制定python版本的环境conda create --name your_env_name python=3.12 创建指定python版本下包含某些包的环境conda create --name your_env_name python=3.12 numpy scipy激活conda虚拟环境conda activate your_env_name退出conda虚拟环境conda deactivate 删除conda虚拟环境conda remove -n your_env_name --allconda remove --name your_env_name --all克隆conda虚拟环境conda create --name new_env_name --clone old_env_name  4      备注安装pytorch和troch_NPU(专属步骤)版本对应关系：https://gitee.com/ascend/pytorch参考（torch2.4和troch_npu2.4.0）pip install torch==2.4.0 -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simplepip install pyyaml -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simplepip install torch-npu==2.4.0.post2 -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple 

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

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

wap联盟发帖 508065

1 ANACONDA简介Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 [1]  因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），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）。2 环境信息2.1 环境信息类别子项版本获取地址OSCentOS7.5 Aarch64https://www.centos.org/download/服务器配置16U16GB50GB软件anacondaArchiconda3-0.2.2https://github.com/Archiconda/build-tools/releases/download/0.2.2/Archiconda3-0.2.2-Linux-aarch64.sh  3 软件移植3.1 环境准备OS安装类型：CentOS-7.5-aarch64-1804。 注：操作系统安装使用最小简化版安装(如上图)，其余步骤安装一般安装操作系统步骤即可。3.1.1 相关软件下载上传1、 下载anaconda安装脚本至服务器目录下下载地址：https://github.com/Archiconda/build-tools/releases/download/0.2.2/Archiconda3-0.2.2-Linux-aarch64.sh3.2 软件安装脚本执行指导下载anaconda安装脚本至服务器：赋予脚本执行权：限chmod +x Archiconda3-0.2.2-Linux-aarch64.sh执行Anaconda安装脚本：sh Archiconda3-0.2.2-Linux-aarch64.sh配置环境变量: source ~/.bashrc4 软件运行4.1 测试已完成编译的软件1) 查看conda版本号。conda --v 2) 查看当前conda的包列表。conda list 

1.    人工智能开发环境概述人工智能程序可以基于linux、mac、window开发，为了方便广大读者学习，笔者以win10开发环境搭建为例展开讲解，人工智能程序开发工具有多种，为了简化开发环境，笔者推荐在win10安装Anaconda+Pycharm即可。2.    AnacondaAnaconda 本质上是一个软件发行版，包含了 conda、Python 等 180 多个科学包及其依赖项。简单来说，安装了Annaconda，就等同于安装了python、conda和一般可能用到的numpy、scipy、pandas等等常见的科学计算包，而无需再单独下载配置。由于python3和python2的分裂，自行使用virtualenv用pip进行配置，经常会出现无法使用的情况。固推荐安装Anaconda。2.1. 安装软件下载地址：https://www.anaconda.com/distribution/双击软件，按提示安装软件。安装完成后，开始菜单如图所示2.2. Anaconda Navigator1)   Anaconda Navigator是可视化式 conda 控制台2)   Anaconda Prompt是命令行式 conda 控制台3.    PycharmPyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。3.1. 安装官网下载地址：https://www.jetbrains.com/pycharm/download/，其分为Professional和Community，Community可以免费使用。双击软件，按提示安装软件，安装默认路径是C:\ProgramData\Anaconda3，建议修改自己的路径。如我的路径是D:\stone\softwareinstall\Anaconda33.2. 使用管理虚拟环境时可在设置中找到当前虚拟环境，进行软件包更新、删除，也可以使用 Anaconda 的两种方式管理软件包和虚拟环境。设计方式是fileàsettings，然后按下图配置环境至此，开发环境搭建完成!!

镜像名称：Anaconda 镜像镜像简介：Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。镜像源地址：https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

运行anaconda-navigator 报错 could not connect to display在网上找了一个解决办法 export DISPLAY=:0.0，但是不管用啊

Hello 我是华为公司的一员，工作基于 python，需要用 anaconda进行包管理，目前用的是清华大学镜像，要走代理，配置复杂。建议在开源镜像站里也提供 anaconda的镜像，能直连就方便了。