conda deactivate
b) 修改其自启动参数
conda config --set auto_activate_base false
2.创建虚拟环境 DLing,添加镜像源,速度拉满, 安装 numpy mkl cffi
1).
有序的管理环境
这里需要大家查一下自己的python版本,win+R
进入cmd,输入python即可获得对应版本信息。(没有配置python环境path则不能查询)
我的版本是3.9,所以下面也也安装3.9版本的,pytorch 是后边建立里的命名
如果不清楚自己的python版本,win+R
,打开cmd
控制台,输入python
就可以看到自己的版本信息。
conda create -n pytorch python=3.9
conda create -n DLing python=3.6
之后,弹出提示,输入 y,即可安装。
安装成功后,输入以下指令:
conda info --envs
即可看到 conda 环境中,有新建的 pytorch 环境(你可以取别的名字,你取啥叫啥),右边的 * 号表示,当前你处于哪个环境。
接下来,我们要在 pytorch 环境中,安装 PyTorch,使用如下指令,进入 pytorch 环境(你取的啥名字后边activate啥)。
conda activate pytorch
你可以看到左边的 base 变成了 pytorch,代表成功进入 pytorch 环境。
2).更换清华源
不用下列代码直接更改用户的家目录.condarc文件
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/main/
conda config --set show_channel_urls yes
channels:
-
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
-
defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
-
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
-
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
-
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
-
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
-
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
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
3).
conda install numpy mkl cffi
- 安装 pytorch,进入 https://pytorch.org/官网 ,选择合适版本下载,本次选用 anaconda 中 python==3.6,选择下示程序,下载 torch 包。
不使用这个
conda install pytorch1.7.1 torchvision0.8.2 torchaudio==0.7.2 cpuonly
进入官网点击 install,即可进入下示页面,根据自己电脑的配置选择,最后将最后一行复制到 Anaconda Prompt 界面中。
注意:如何判断自己电脑是否有 GPU:控制面板—>硬件和声音—>NVIDIA 控制面板—>帮助—>系统信息—>组件—>NVCUDA.DLL 的产品名称中即看到 GPU 版本,下载的 CUDA 版本必须与之对应。
但是这里有个坑,参考博客。其中,-c pytorch
参数指定了conda
获取pytorch
的channel
,在此指定为conda
自带的pytorch
仓库。因此,只需要将-c pytorch
语句去掉,就可以使用清华镜像源快速安装pytorch
了。
复制下面的代码,之后,在开始菜单中,打开 Anaconda Prompt,查看最左边括号中是base
还是 pytorch
。如果是 [base]
,使用 conda activate pytorch
进入 pytorch
环境中。之后粘贴即可。
conda install pytorch torchvision cpuonly
根据提示输入y
验证是否安装成功
(1)在命令行左边为 pytorch 环境中,输入 python
(2)之后,输入 import torch
,如果没有报错,意味着 PyTorch
已经顺利安装了
(3)接下来,输入 torch.cuda.is_available
,如果是 True,意味着你可以使用 GPU
。
4.安装并进入jupyter notebook
,创建一个 python 文件,输入 import torch
,若无错运行即完成 Jupyter notebook
的环境搭建。
conda install jupyter notebook
jupyter notebook
1.下载安装PyCharm
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数前端工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Web前端开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新
如果你觉得这些内容对你有帮助,可以添加V获取:vip1024c (备注前端)
最后
面试一面会问很多基础问题,而这些基础问题基本上在网上搜索,面试题都会很多很多。最好把准备一下常见的面试问题,毕竟面试也相当与一次考试,所以找工作面试的准备千万别偷懒。面试就跟考试一样的,时间长了不复习,现场表现肯定不会太好。表现的不好面试官不可能说,我猜他没发挥好,我录用他吧。
96道前端面试题:
常用算法面试题:
前端基础面试题:
内容主要包括HTML,CSS,JavaScript,浏览器,性能优化
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
图片转存中…(img-AAgFjwJG-1712861624620)]
常用算法面试题:
- [外链图片转存中…(img-kban0Ewj-1712861624620)]
前端基础面试题:
内容主要包括HTML,CSS,JavaScript,浏览器,性能优化
- [外链图片转存中…(img-E80W9h0F-1712861624620)]
一个人可以走的很快,但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎扫码加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
[外链图片转存中…(img-akMy51Sy-1712861624620)]