子非鱼的博客

解决方法:需要手动进入激活虚拟环境在terminal中进入到安装的虚拟环境下，然后执行activate，手动激活环境切换完环境重新运行

import sklearnfrom sklearn.linear_model import LinearRegressionlr = LinearRegression(fit_intercept=True)lr.fit(cars[["weight"]], cars["mpg"])predictions = lr.predict(cars[["weight"]])print(predictions[0:5])print(cars["mpg"][0:5])绘制图像plt.scatter.

总的来说分两步第一步：安装nb_condaconda install nb_conda在你打开的jupyter notebook中看到证明你安装成功第二步：切换环境打开你的页面，通过进行环境切换，我第一次没有找到对应的环境因为还需要在你具体的环境中安装 jupyter激活你的环境pip install jupyter...

anaconda是一个非常好用的python发行版本，其中包含了大部分常用的库。最新的anaconda中python版本已经更新到了python3.6，而tensorflow只支持python3.5。在anaconda官网中已经给了三种解决方案：https://docs.anaconda.com/anaconda/faq#how-do-i-get-anaconda-with-python-3-5方法一：在现有的anaconda中新建一个python3.5的开发环境，这样同时保留了pyth

Anaconda 中安装 pytorch-cpu 离线方式安装在安装时可以采用pip命令图简单离线安装需要下载对应的文件，也可以直接搜索-f 的网页，进行快速下载https://download.pytorch.org/whl/torch_stable.html页面如下：选择和建议新建虚拟环境（也可不建，建议建，否则后期电脑容易崩溃）conda create -n pytorh-cpu python=3.6 1整条命令中，-n表示的空间的命名，表示建立的名为 pytor

目标分割：Target Segmentation，是将图片里的目标分割出来。比如我的目标是人，那最终我从图片里分割出来的新的图片里只有人没有其他东西。 目标识别：Target Recognition，目标识别是做分类任务，既从图像中识别出哪些是第一类东西，哪些是第二类，哪些是第三类·····，而不是我一开始理解的单纯识别出某一个物体。 目标检测：Target Detection，目标检测实质是多目标的定位，即要在图片中定位多个目标物体，包括分类和定位。 目标追踪：Target Tracking，是基于

官网是最新版本的anaconda，对应的python是3.7的。我要找3.6的版本所有版本在这个网站都可以下载（清华大学开源软件镜像站）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.3.0.1-Windows-x86_64.exe 对应 python3.6.0Anaconda3-5.1.0-Windows-x86_64.exe 对应 python3.6.3Anaconda3-5.2.0-Windows-.

查看Jupyter使用的配置文件在哪个目录：jupyter --config-dir切换到该目录，检查是否存在配置文件：jupyter_notebook_config.py。如果不存在，使用以下命令创建一个：jupyter notebook --generate-config在配置文件jupyter_notebook_config.py中，添加以下配置内容：## The directory to use for notebooks and kernels.c.NotebookApp

在安装opencv库时超时报错增加pip install opencv-python --default-timeout=1000

在anaconda（python3.7）安装cv2（opencv）1、打开https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/找到适合自己电脑版本的,我下载的是python3.7版本的。（可以使用 python --version查看自己的python版本）opencv_python-4.2.0.32-cp37-cp37m-win_amd64.whl2、将下载的opencv包放到自己电脑所在的anaconda文件中3、在anaconda

计算机视觉CV的入门理解最近开始，工作中需要使用计算机视觉CV，而博主之前没有系统学习过，因此把学习的知识记录下来，作为入门理解。如果想要机器能够进行思考，我们需要先教会它们去看。 ——斯坦福人工智能实验室和视觉实验室主任-李飞飞在机器学习大热的前景之下，计算机视觉与自然语言处理（Natural Language Process， NLP）及语音识别（Speech Recognition）并列为机器学习方向的三大热点方向。用于自动驾驶的图像分割：1. 计算机视觉cv1.1 基

H：查看所有快捷键。 S：保存当前 Notebook 内容。 P：调出 Notebook 命令栏。 B：在当前单元格下方新建空白单元格。 M：将单元格格式转换为 Markdown。 Y：将单元格格式转换为 Code。 连续按D+D：删除当前单元格。（慎用，推荐使用 X 剪切单元格代替，因为其可以起到删除效果，且删错了还可以粘贴回来） 连续按I+I+I：强制中止内核（当某个单元格执行时间较长或卡住时，可以强行中止，中止后前序单元格状态依旧保留，非常好用。） Shift + Enter：运行..

参考：https://www.jianshu.com/p/fbfe531ec233