机器学习之环境配置

   软件下载

        Miniconda：Miniconda — conda documentation

        Visual Studio Code： Visual Studio Code - Code Editing. Redefined

   miniconda设置 

      1、更换镜像源

        校园网联合镜像站：MirrorZ Help (cernet.edu.cn)

        在Anaconda powershell 中输入

notepad .condarc

创建名为condarc的新文件，并将图中红框所圈出来的代码复制粘添上去：

保存好文件后输入

conda clean -a

来清除之前的内容，保证我们所使用的是刚刚的配置。

        之后加入第三方源：conda-forge、paddle、pytorch、nvidia。将网站所提供的代码复制粘贴到powershell中。 （注：nvidia在Anaconda Extra 软件仓库镜像使用帮助 - MirrorZ Help (cernet.edu.cn)中）

      2、PYPI更换镜像源

        复制PyPI 软件仓库镜像使用帮助 - MirrorZ Help (cernet.edu.cn)中设为默认下的代码中第二行代码粘贴到powershell中运行。

课程环境搭建(创建与激活 Conda 环境)

        创建 Conda 环境

conda create -n Datawhale python=3.10

        激活Conda 环境：

conda activate Datawhal

        删除 Conda 环境：

conda deactivate # 退出该环境
conda remove -n Datawhale --all # 删除整个环境

PIP安装

pip install jupyter

然后在查看当前 GPU 支持的最高 CUDA 版本时遇到如下报错：无法将“nvidia-smi”项识别为 cmdlet、函数、脚本文件或可运行程序的名称。请检查名称的拼写，如果包括路径，请确保路径正确，然后再试一次。

经查询发现我的笔记本并没有所要求的显卡，因此无法使用相关功能。