conda常用命令

已于 2022-04-19 09:39:17 修改
阅读量447 收藏
点赞数
文章标签： 深度学习
于 2022-04-19 09:38:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/guhuoone/article/details/124265848
版权

经常忘记，做一个记录小结，记录自己使用过的命令。

创建新的虚拟环境
conda create -n your_env_name python=X.X

  1. 激活虚拟环境

conda activate your_env_name ## windows系统

source activate your_env_name ## linux系统

  1. 安装package

conda install your_require_package=X.X

  1. 更新指定包

conda update package_name

  1. 查看已经安装的conda环境

conda info -e

  1. 复制环境

conda create --name new_env_name --clone old_env_name

  1. 删除环境

conda remove -n rcnn --all

蛊惑one
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
conda 常用命令 总结
07-11
conda 常用命令 总结
conda常用命令汇总
⚡
06-03 4万+
conda常用命令汇总
Conda常用命令
01-28 4万+
在用Python时，会有不同的版本要求，比如有的使用Python 2.7，有的使用Python3.5，有的使用pytorch，有的使用TensorFlow，创建多个虚拟环境，可以较好的解决该问题。记录在使用过程中的常用命令。 一、创建虚拟环境 conda create --name env_name conda create --name env_name python=3.5 #创建指定python版本 conda create --name ...
Anaconda conda常用命令：从入门到精通
热门推荐
chenxy_bwave的专栏
08-30 11万+
简要介绍Anaconda conda的常用命令的使用，掌握了这些基本命令应该足以应付日常的‘生活自理’吧
conda 常用命令
weixin_42491648的博客
08-18 2328
阿里云 http://mirrors.aliyun.com/pypi/simple/清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/升级Anaconda需先升级conda。
conda常用命令总结
qq_41631913的博客
01-05 744
【代码】conda常用命令总结。
conda常用命令.txt
09-12
描述的是Anaconda的常用命令，方便更多的使用anaconda
Anaconda之conda常用命令介绍(安装、更新、删除)
09-18
主要介绍了Anaconda之conda常用命令介绍，主要包括安装、更新、删除等,需要的朋友可以参考下
Anaconda常用命令
01-06
Anaconda常用命令 文章目录Anaconda常用命令环境管理创建新的虚拟环境查看已创建的虚拟环境激活已创建的目标环境退出当前激活环境, 切回默认环境删除已创建的环境工具包管理更新 环境管理 创建新的虚拟环境 conda ...
深度学习-线性回归+基础优化算法
Einstein·Jun
04-28 1073
1、线性回归是对n维输入的加权，外加偏差。2、使用平方损失来衡量预测值和真实值的差异。3、线性回归有显示解。4、线性回归可以看做是单层神经网络。我们将从零开始实现整个方法，包括数据流水线、模型、损失函数和小批量随机梯度下降优化器。"""生成y=Xw+b+噪声。"""print('features:', features[0], '\nlabel:', labels[0])里插入代码片正态分布函数：normal()
在图像处理领域，机器学习方法和深度学习方法的优势
Keep trying, keep going
05-02 396
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。
软件杯 深度学习的动物识别
Mr.D学长
05-03 1080
🔥 优质竞赛项目系列，今天要分享的是基于深度学习的动物识别算法研究与实现该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🧿🧿。
深度学习简介
奇点Peter
05-03 188
传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法自动提取特征。深度学习模仿人类大脑的运行方式，从经验中学习获取知识。这也是深度学习被看做黑盒子，课解释性差的原因。深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。机器学习是实现人工智能的一种途径。
深度学习之基于多模态融合的商品分类方法研究与实现
Q1744828575的博客
04-29 825
项目简介：深度学习之基于多模态融合的商品分类方法研究与实现一、项目背景与目标随着电子商务的快速发展，商品分类成为提高购物体验和效率的关键环节。传统的商品分类方法主要依赖于单一的文本或图像信息，往往难以准确捕捉商品的全面特征。因此，本项目旨在利用深度学习技术，结合多模态数据融合方法，实现对商品更全面、准确的分类。二、技术方案数据收集与预处理收集包含文本、图像等多种模态的商品数据，并进行数据清洗、标注和预处理，为后续的特征提取和模型训练提供基础。特征提取与表示学习。
【深度学习】概率图模型理论简介
WW、forever的博客
04-29 144
简介概率图模型理论
强化学习和深度学习的差异对比
天道酬勤
04-26 1209
它是通过展示大量的图片和相应的标签（例如，“猫”、“狗”等）来学习识别模式的，就像是你通过看不同的猫的图片来学习认识猫一样。如果你的问题涉及到需要做出一系列连续的决策，并且需要考虑环境的反馈以优化某种目标（比如控制机器人、制定金融投资策略等），那么强化学习可能是更合适的选择。有时，深度学习和强化学习可以结合使用，形成深度强化学习（DRL），以利用深度学习在表征学习方面的优势，并将其与强化学习的决策能力结合起来。强化学习通常需要更少的标记数据，因为学习是通过与环境的交互来实现的，而不是直接从标记数据中学习。
深度学习中的归一化：BN，LN，IN，GN的优缺点
bulling的博客
04-29 610
归一化在深度学习中的应用包括批量归一化（Batch Normalization）、层归一化（Layer Normalization）、组归一化（Group Normalization）和实例归一化（Instance Normalization）等。这些技术在不同的网络结构和任务中有着广泛的应用，是现代深度学习架构中不可或缺的一部分。Batch Norm：把每个Batch中，每句话的相同位置的字向量看成一组做归一化。Layer Norm：在每一个句子中进行归一化。Instance Norm：每一个字的字向量的
深度学习：基于TensorFlow、Keras，使用长短期记忆神经网络模型(LSTM)对Microsoft股票进行预测分析
最新发布
稻草人的博客
05-03 862
在本文中，我们将使用机器学习技术实现 Microsoft 股价预测。我们将使用 TensorFlow，这是一个由 Google 开发的开源 Python 机器学习框架。借助 TensorFlow，您可以轻松实现时间序列预测数据。由于股价预测是时间序列预测问题之一，我们将使用机器学习技术构建端到端的 Microsoft 股价预测。
深度学习的核心数学知识点
pumpkin84514的博客
04-30 475
在神经网络中，假设有一个简单的两层全连接网络，其损失函数 ( L ) 是关于权重矩阵 ( W_1 ) 和 ( W_2 ) 的函数。例如 ( L^2 ) 范数（欧几里得范数）：对于向量 ( \mathbf{x} )，其 ( L^2 ) 范数定义为 ( ||\mathbf{x}||这里的梯度计算就利用了微积分中的链式法则，而整个训练过程又体现了概率论（通过梯度来最小化负对数似然）、线性代数（权重矩阵的操作）以及优化理论（选择合适的更新规则）。：向量加法、减法、标量乘法、点积（内积）、矩阵乘法。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值