最近看的教程都是用的jupyter,按理说都一样吧,但是pycharm中python有的模块就弃用了,而jupyter却都可以用,而且jupyter听说也不错,就配置了一下下 1.打开cmd,激活你的虚拟环境,我的是tensorflow-gpu activate tensorflow-gpu 2.安装ipykernel pip install ipykernel  3.重启jupyter 完美  

深度学习的代码,好多都需要安装一些安装包,在服务器上安装需要权限就很麻烦.看到网上有说把这些安装包一个个下载下来上传到服务器再安装,心累,想想工程量就很大~~~ 这时候就可以在anaconda中新建虚拟环境,把这些需要的安装包都装到一个虚拟环境里面. 首先,找到conda的路径.服务器上的conda在/usr/local/anaconda3/bin,注意直接cd到这个目录输入conda会找不到,可以留个bin下来. conda -V 得到conda的版本 conda env list查看当前设置

可参考:https://www.jianshu.com/p/ab9ae548b253 虚拟环境是Python的隔离工作副本.这意味着每个环境都可以具有自己的依赖关系,甚至可以具有自己的Python版本. 如果您需要不同版本的Python或不同项目的软件包,这将很有用.在测试软件包并确保您的主要Python安装保持健康时,这也可以使事情保持整洁. 使用Anaconda创建虚拟环境1.创建虚拟环境 *注: 以下的涉及到的命令中的--user选项和省略(如果默认安装当前用户的话). pip insta

虚拟环境 conda create -n python36 python=3.6 使用以下命令激活: activate python36 Notebook 安装插件 conda install nb_conda 之后打开notebook jupyter notebook 新建中就会出现虚拟环境 Lab 在ipython中安装这个虚拟环境 python -m ipykernel install --name python36 之后打开lab jupyter lab 就可以发现多了一个kernel

一.在jupyter中安装虚拟环境内核 1.创建Python3虚拟环境 参考本文其他博客 2.进入虚拟环境 3.安装jupyter pip install jupyter 4.添加当前环境到jupyter kernel python -m ipykernel install --user --name=py3 二.jupyter中选择kernel 1.列出jupyter kernel jupyter kernelspec list 2.删除kernel jupyter kernelspec un

基础准备 修改本地时区 cp -rf /usr/share/zoneinfo/Asia/Shanghai /etc/localtime 安装epel yum源 yum -y install epel-release 安装各类依赖环境,依赖包 yum -y groupinstall "Development Tools" yum -y install openssl-devel bzip2-devel expat-devel gdbm-devel readline-devel sqlit

原本以为,当进入虚拟环境之后,再运行jupyter notebook应该是这个环境下的jupyter,比如我默认创建一个文件,这个文件调用的编译器应该是这个虚拟环境中的编译器,实际上并不是 当你进入jupyter新建文件之后,你会发现,并没有存在虚拟环境的名称,以及import sys,print(sys.path)打印出来的根本就不是虚拟环境中的路径,所以,必须要手动在jupyter notebook中添加自己创建的虚拟环境 添加步骤如下: 以下都在centos中执行 1. 进入虚拟环境之后,

    在虚拟环境tf中安装完tensorflow后,在虚拟环境tf打开的jupyter里发现只有一个kernel-python3,新建一个文件, import tensorflow as tf ,发现报错,没有tf这个模块.    一开始还以为是tf的问题安装失败,后来才意识到是jupyter的问题.因为在虚拟环境tf中,虽然有jupyter(或者自己再安装pip install jupyter,他会提示说已存在),但这个jupyter还是原python环境中的jupyter.在虚拟环境tf中

1 问题描述 使用Anaconda配置了包括Pytorch.Tensorflow等多个虚拟环境后,依然无法使用Jupyter Notebook选择不同的虚拟环境运行代码,问题如下图所示. 2 解决方法 2.1 首先查看当前存在的虚拟环境: 使用组合键"win+R"打开命令提示符,输入以下命令进行查看当前存在的虚拟环境.一般没有初始环境只有一个"base". 1 conda env list 2 #或者 3 conda info -e 2.2 创建新的python虚拟

1.通过anaconda新建虚拟环境 创建虚拟环境:conda create -n your_env_name python=3.6 激活虚拟环境:activate your_env_name(虚拟环境名称) 关闭虚拟环境:deactivate 例如:我新建的虚拟环境 air (1)在虚拟环境中安装jupyterlab 在虚拟环境中安装jupyter lab:conda install jupyterlab 更改工作目录:jupyter notebook --generate-config 会在

基本操作 查询已有的虚拟环境 workon 激活虚拟环境 workon 虚拟环境名 退出虚拟环境 deactivate 删除虚拟环境 rmvirtualenv 虚拟环境名 查看python版本检查 python -V 查看包 pip list 创建文件夹 mkdir 文件夹名 查询python的路径 which python3.5 返回结果: /usr/bin/python3.5 新建虚拟环境 mkvirtualenv -p python路径 虚拟环境名 例:mkvirtualenv -p /u

本人电脑是windows系统,装了Python3.7版本,但目前tensorflow支持最新的python版本为3.6,遂想再安装Python3.6以跑tensorflow. 因为看极客时间的专栏提到Jupyter是个科学运算语言的计算工具,特别适合机器学习与数学统计,因此也要装个体验一翻. 一.安装Python 电脑原先已经装了Python3.7,virtualenv,virtualenvwrapper,jupyter notebook. 在官网上直接下载windows版本的python3.6

一.安装使用 virtualenv 1. 安装 virtualenv pip install virtualenv 2. 新建虚拟环境 virtualenv env1 用 Python3 创建虚拟环境: virtualenv -p (python3安装路径) (虚拟环境名字) virtualenv -p C:\Users\Administrator\AppData\Local\Programs\Python\Python35\python.exe python3 (python3是虚拟环境名字)

参考: jupyter notebook添加kernel 在jupyter notebook上使用虚拟环境 本文是在anaconda的环境下配置的,装好anaconda后,jupyter-notebook就自带装上了.我们在使用python的过程中往往需要使用虚拟环境,在终端下激活虚拟环境很方便,但是在jupyter-notebook中需要进行一些配置方可使用. 总共只需两步.第一步,为需要在jupyter-notebook中使用的虚拟环境安装ipykernel,如我为自己的py27-caffe

sudo apt-get install python-virtualenv virtualenv --no-site-packages files cd files source ./bin/activate 退出虚拟环境deactivate在虚拟环境安装Python套件Virtualenv 附带有pip安装工具,因此需要安装的套件可以直接运行: pip install [套件名称]如果没有启动虚拟环境,系统也安装了pip工具,那么套件将被安装在系统环境中,为了避免发生此事,可以在~/.bas

Python 虚拟环境:Virtualenv zhuanzi: http://liuzhijun.iteye.com/blog/1872241 virtualenv virtualenv用于创建独立的Python环境,多个Python相互独立,互不影响,它能够:1. 在没有权限的情况下安装新套件2. 不同应用可以使用不同的套件版本3. 套件升级不影响其他应用 安装 sudo apt-get install python-virtualenv 使用方法 virtualenv [虚拟环境名称] 如,

安装virtualenv相关软件包 安装:yum install python-virtualenv* -y 简介,安装包主要包括, python-virtualenv:virtualenv用于创建独立的Python环境,多个Python相互独立,互不影响.可以在没有权限的情况下安装新套件:可以不同应用可以使用不同的套件版本:套件升级不影响其他应用. python-virtualenvwrapper:是virtualenv的扩展包,用于更方便管理虚拟环境.可以将所有虚拟环境整合在一个目录下:可以

这里想象一下需求,写一个项目使用的一系列1.0版本的插件,现在要新写一个项目,需要用这些插件的2.0版本,该怎么办?都更新成2.0版本?这样之前的项目都没法维护了 这时我们需要一个虚拟环境,Python就支持这样一个插件,virtualenv 下面来安装一下: 1.       pip3 install virtualenv 2.        cd进一个像存放虚拟环境的目录,创建虚拟环境   virtualenv --no-site-packages venv       这个venv是名字,

1. 前提: 安装前服务器情况,已经安装好了: CUDNN=7.3.0 CUDA=10.0.130 Opencv 2.4.13 相应命令为: cuda 版本 cat /usr/local/cuda/version.txt cudnn 版本 cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2 opencv版本 pkg-config opencv --modversion 2. 准备caffe, python环境 从https://

链接 一,为什么安装虚拟环境? 如果你有0.1版本的Flask已经完成项目,此时Flask1.1版本出来的时候就会对0.1有影响,我们通过虚拟环境可以做到互补影响. 二,安装方法 cmd--pip--pip install virtualenv 三,激活虚拟环境 1,新建虚拟环境总文件夹:mkdir Virtualenv 2,然后打开它:cd Virtualenv 3,创建名为flask-env的虚拟环境:virtualenv flask-env 4,打开这个虚拟环境:cd flask-env

Python自带env # 新建虚拟环境 python -m venv env_name # 激活虚拟环境 cd env_name cd Scripts activate # 退出虚拟环境 # 到达虚拟环境Scripts目录 deavtivate Virtualenv virtualenv优点 使不同的应用开发环境独立 环境升级不影响其他应用,也不会影响全局的python环境 它可以防止系统中出现包管理混乱和版本的冲突 virtualenv的安装和使用 # 安装 pip insatll virt