pycharm怎么配置conda
㈠ 如何在win10下配置anaconda环境变量
安装之后配置环境变量的步骤如下:
1,点“我的电脑”,右键选“属性”
2,选择:高级系统设置
6,在“变量值”一栏,把自己所安装的python路径拷进去就可以了,我安装的路径是“C:Python27”。
7,完成之后,一路点击确定关闭,就可以了。
8,这里要强调一下,现在下载的python都自带pip,pip在python目录下的Scripts目录下,添加到系统的path路径中就可以使用了。
㈡ 如何将Anconda新建的环境添加到pycharm中
首先进入 Anaconda Prompt ,创建一个测试环境
conda create -n env_test python=3.5 (python版本3.5,名叫env_test的环境)
然后进入该环境中,查看该环境包含了哪些库
activate env_test
conda list
执行完上面两句后,可以看到新建的环境中Anaconda已经为其添加了几个必要的库
File --> Settings --> 搜索Project Interpreter
到此,已成功的将新建的环境配置到pycharm中。
若您觉得本文章对您有用,请您为我点上一颗小心心以表支持。感谢!
㈢ anaconda python 怎么使用
1、安装anaconda 想更好的学习python请关注微信公众号“Python基础教程”!
之前什么都不需要安装,直接在官网下载anaconda,我下载的是Python2.7,32位的。
下载好文件后,直接双击安装,可以自己选定安装位置。
安装完anaconda,就相当于安装了Python、IPython、集成开发环境Spyder、一些包等等。
2、Python(shell)
这个和我们直接安装Python得到的Python shell用法一样。当然由于安装了anaconda,所以在这里好多包我们都可以使用了。
3、IPython
3.1 IPython(shell)
我们可以直接点击打开,也可以像下面这样在命令提示符中输入ipython
这个和我们pip install ipython安装的ipython用法一样。
3.2 Ipython QTConsole
直接点击打开,
3.3 IPython Notebook
我们直接点击打开,或者在命令提示符中输入ipython.exe notebook。
4、Spyder(IDE)
4.1 Spyder
Spyder的最大优点就是模仿MATLAB的“工作空间”。
直接点击打开:
4.2 其他的IDE使用anaconda
由于安装完anaconda就自带了Spyder集成开发环境了,所以不需要任何配置可以直接使用,但是其他你自己安装的IDE要想使用anaconda需要配置。
配置的方法我们可以去官网了解。下面我们以Pycharm为例。
其实如果anaconda在Pycharm之前安装,那么遇到解释器选择的时候会有一个选项,我们直接选择就OK了。如果在Pycharm之后安装,我们只需要手动设置一下Pycharm所用的解释器就行了。
5、安装包
其实安装完anaconda后,基本上就把我们常用的部分包安装好了,但是毕竟只是安装了一小部分(我们可以去官网查看安装了哪些包),还有一部分需要我们自己来安装。
查看已经安装的包我们可以在命令提示符中输入pip list或者用anaconda自带的包管理器conda(conda list)。
5.1 pip 或conda安装
我们可以在命令提示符中输入pip install 包名,或者conda install 包名。conda和pip的用法基本上一致(更新?卸载?还不确定)。但是我们使用conda安装的时候不仅会安装当前你要安装的包还会提示更新其他已经安装过的包,所以我基本上都是直接用pip安装。
5.2 文件安装
pip或conda不能安装的话,我们就下载文件安装,比如exe文件(双击安装)或者whl文件(pip安装)等等。
6、anaconda自带的命令窗口
上面我们说的命令提示符基本上都是在系统盘上的操作。其实anaconda自带一个命令窗口。直接点击打开
所有可以在“命令提示符”中运行的都可以在这里运行,只不过文件的路径改变了而已。就比如我们在这两个命令窗口中分别输入ipython.exe notebook,默认的文件.ipynb存储在不同的位置。
㈣ 关于pycharm中使用conda环境的问题
首先conda和原版python的虚拟环境没有区别,感觉上唯一的区别是安装包的方式不同,一个是用conda,一个是用pip安装第三方包。然后就是conda里的numba可以用显卡来加速运算, 普通python就没找到可以GPU加速的方法。暂时就这些区别了。
而你出现这个问题的原因是,当前的项目环境是通过conda建立的虚拟环境,他除了常规的pip,setuptools,whell等这些初始包之外,其他的第三方包是不会给你弄的, 如果是按照这种环境来使用numpy的话, 需要在ide里的设置窗口中安装numpy,其他的包也需要这种方式来安装,用cmd也可以,只不过太麻烦了,不如这个方法来的效率,如下图
㈤ conda环境与pycharm中建立虚拟环境的区别
virtual Enviroment是虚拟环境,很干净。创建出来会在env里面多一个目录,可以看到里面有纯python执行程序和少量依赖包。
你可以用conda自带的环境,这个只需要你指向一下即可,既然很多库都有了,一般情况就直接用这个就好。
㈥ macOS中pycharm使用Conda Environment添加conda虚拟环境
首先在conda内通过conda create创建一个虚拟环境,例如叫做==deeplearning==
之后在pycharm内:
之后在 Interperter 定位/.../anaconda3/ envs/==deeplearning/bin/python2.7==
大功告成!
㈦ python'的环境搭建怎么弄
1、概念区分
对于刚刚开始学习Python的零基础小白来说,可能很容易就会对Pycharm、Python解释器、conda安装、pip安装这个几个概念混淆。下面跟着我来逐一认识一下它们:
(1)Pycharm是Pytho开发的集成开发环境(Integrated Development Environment,简称IDE),它本身无法执行Python代码。
(2)Python解释器才是真正执行代码的工具,pycharm里可设置Python解释器,一般我们可去Python官网下载Python3.7或Python3.8版本;如果安装过anaconda ,它里面必然也包括一个某版本的Python解释器;Pycharm配置Python解释器选择哪一个都可以。
(3)anaconda是把python所有常用包的合集,并提供给我们使用 conda 命令非常非常方便的安装各种Python包。
(4)conda安装:我们安装过anaconda软件后,就能够使用conda命令下载anaconda源里(比如中科大镜像源)的包。
(5)pip安装:也是一种类似于conda安装的python安装方法,如果用过Centos系统,它就像yum安装一样。
2、修改镜像源
在使用安装 conda 安装某些包会出现慢或安装失败问题,最有效方法是修改镜像源为国内镜像源。之前都选用清华镜像源,但是2019年后已停止服务。推荐选用中科大镜像源。
先查看已经安装过的镜像源,cmd窗口执行命令:
conda config --show
查看配置项 channels ,如果显示带有 tsinghua ,则说明已安装过清华镜像。
channels:
https://mirrors.tuna.tsinghua.e.cn/tensorflow/linux/cpu/
https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/msys2/
https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.e.cn/anaconda/cloud/pytorch/
下一步,使用 conda config --remove channels url地址 删除清华镜像,如下命令删除第一个。然后,依次删除所有镜像源
conda config --remove channels https://mirrors.tuna.tsinghua.e.cn/tensorflow/linux/cpu/
添加目前可用的中科大镜像源:
conda config --add channels https://mirrors.ustc.e.cn/anaconda/pkgs/free/
并设置搜索时显示通道地址:
conda config --set show_channel_urls yes
确认是否安装镜像源成功,执行 conda config --show ,找到 channels 值为如下:
channels:
https://mirrors.ustc.e.cn/anaconda/pkgs/free/
defaults
以上就是分享的Python基础学习之环境搭建的全部学习内容,大家都看懂了吗?希望本文的分享能帮到大家!
㈧ 怎么在mac 系统上使用Python怎么安装Anaconda
1. 首先安装python,我选择安装Anaconda (Windows 64-Bit Python 2.7 Graphical Installer 下载地址)。
Anaconda的一些命令(在Anaconda的命令行窗口输入):
conda list #该命令,将列出Anaconda安装的所有应用包,我们可以看到Anaconda已经安装了numpy, nose, pip, python, scipy, mingw等等。
conda install <pkg name> #该命令用于安装应用包,如 conda install numpy.
pip install <pkg name> #该命令用于安装应用包,如 pip install theano.
conda update <pkg name> #升级应用包,如 conda update python
2. 安装Theano,在Anaconda 的命令窗口中输入 pip install theano,可以看到程序开始下载安装包,并检查是否满足安装条件:numpy>=1.5.0,scipy>=0.7.2,满足条件之后开始运行setup.py安装theano,安装完成后会显示Successfully installed theano。
3. 测试Theano安装情况。
(1)在ipython中输入以下两行代码:
import theano
theano.test()
会显示theano的版本号,安装位置,已经其他包的安装版本,如numpy,nose,python等。
在运行中出现g++不是内部或外部命令,也不是可运行的程序或批处理文件。
(2)在Anaconda的命令行窗口输入:python Lib\site-packages\theano\tests\run_tests_in_batch.py
显示unable to find theano-nose,查看run_tests_in_batch.py发现,其中路径设置为在bin下寻找theano-nose文件,而实际上Anaconda文件夹下根本没有bin这个文件夹,theano-nose存放在Scripts文件夹中。
》》》尝试1:将Scripts更名为bin,重新运行这句命令,可以成功运行。但是出现一个warning,提示没有检测到g++,所以无法运行优化后的C代码版本,只能执行python版本。
该种尝试的结果是,下次打开Anaconda 命令窗口后出现错误,因为其运行路径为Scripts,所以还是不要修改了。
(3)g++问题。我们打开MinGW文件夹,可以很清楚的看到有g++,但是为什么使用不了呢??在Anaconda 命令窗口中输入g++也能成功调用g++.exe啊。所以结论是,鉴于这个代码中出现很明显的漏洞,所以说不定这里也是错误,先不管这些了。
试着做了以下配置,也不知行不行。
添加环境变量: path: C:\Anaconda\MinGW\bin;C:\Anaconda\MinGW\x86_64-w64-mingw32\lib;
新建环境变量: PYTHONPATH: C:\Anaconda\Lib\site-packages\theano;
在home目录下(cmd可以看到,我的是C:\Users\Administrator),创建 .theanorc.txt 文件内容如下:
[global]
openmp=False
[blas]
ldflags=
[gcc]
cxxflags = -IC:\MinGW\include
(4)验证BLAS是否安装成功。由于numpy是依赖BLAS的,如果BLAS没有安装成功,虽然numpy亦可以安装,但是无法使用BLAS的加速。验证numpy是否真的成功依赖BLAS编译,用以下代码试验:
>>> import numpy
>>> id(numpy.dot) == id(numpy.core.multiarray.dot)
False
结果为False表示成功依赖了BLAS加速,如果是Ture则表示用的是python自己的实现并没有加速。
㈨ 重装系统后(win10)如何配置anaconda(3)
1. 设置好GPU开发环境,安装cuda8.0和cudnn5.1
2. 安装Anaconda3-4.3.1-Windows-x86_64,默认Python版本为3.6
3. 安装完以后,打开Anaconda Prompt,输入清华的仓库镜像,更新包更快:
conda config --add channelshttps://mirrors.tuna.tsinghua.e.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
4. 建立TensorFlow空间:conda create -n tensorflow python=3.5,设置Python版本为3.5
5. 激活TensorFlow空间:activate tensorflow
6. 安装TensorFlow:pip install--ignore-installed --upgrade tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl
7. 测试TensorFlow:
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
设置SSD运行环境
1. 安装numpy(anaconda 离线安装):pipinstall numpy-1.12.1-cp35-none-win_amd64.whl
2. 安装matplotlib(anaconda 离线安装):pipinstall matplotlib-2.0.1-cp35-cp35m-win_amd64.whl
3. 安装opencv(离线):anaconda中安装:pipinstall opencv_python-3.2.0+contrib-cp35-cp35m-win_amd64.whl
4. 下载TensorFlow版本的SSD:git clone https://github.com/balancap/SSD-Tensorflow.git,或者下载压缩包解压
5. 解压TensorFlowssd目录下的/checkpoint里的ssd_300_vgg.ckpt.zip,得到模型参数
6. 安装pycharm-community-2017.1.2.exe,python编辑器,File->Setting->Project:Python->ProjectInterpreter:修改Python版本到TensorFlow工作空间下的python
7. 在notebook下新建工程,新建test_ssd.py文件
8. 在pycharm中打开ssd_notebook.ipynb,复制非注释的内容至test_ssd.py下
9. 修改test_ssd.py:
# Test on some demoimage and visualize output.
#path = '../demo/'
#image_names = sorted(os.listdir(path))
#print(image_names)
#for it in image_names:
cam=cv2.VideoCapture(0)
success, img = cam.read()
while success:
#img = cv2.imread(path+it)#mpimg.imread(path + it)
t1=cv2.getTickCount()
rclasses, rscores, rbboxes = process_image(img)
visualization.bboxes_draw_on_img(img,rclasses, rscores, rbboxes, visualization.colors_plasma)
t2=cv2.getTickCount()
print('time consumption:%.3f ms'%(1000*(t2-t1)/cv2.getTickFrequency()))
cv2.imshow('test',img)
c=cv2.waitKey(1)
if c==27:
break
# visualization.bboxes_draw_on_img(img, rclasses,rscores, rbboxes, visualization.colors_plasma)
#visualization.plt_bboxes(img, rclasses,rscores, rbboxes)
success, img = cam.read()
10. 运行程序test_ssd.py
㈩ pycharm配置环境没有ln[]
方法/步骤:
1、打开一个Python文件后,发现并无法运行,并且提示你需要“Configure Python interpreter”。
2、这时候我们可以直接点击提示的“Configure Python interpreter”进入相关设置界面。
3、但通常的路径是:点击进入“File”菜单下的“Settings”界面。
4、然后点击进入“Project:YourProjectName”下的“Project Interpreter”。
5、在右侧就能对Python环境进行配置了~ 如果之前没有配置过,需要点击右侧的“设置”按钮,选择“add”选项。
6、在弹出的界面中:
如果安装的为anaconda就在左侧“Conda Environment”界面中进行设置。 如果直接安装的Python的话就在左侧“System Interpreter”界面中进行设置。
后续的设置步骤其实差不多:
1. 选择“Existing environment”。
2. 找到Python或Anaconda安装目录下的“Python.exe”,单击确认保存即可
7 此刻,再回到我们的项目中,就能够运行啦!