conda虚拟环境使用pip安装包

最新推荐文章于 2024-03-27 08:45:00 发布
最新推荐文章于 2024-03-27 08:45:00 发布
阅读量2.3k 收藏 4
点赞数 1
文章标签： pip 深度学习 tensorflow python anaconda
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/weependd/article/details/109570697
版权

conda虚拟环境使用pip安装包

最近在研究tfserving部署深度模型，写客户端代码时需要安装tensorflow-serving-api，conda中没有发现这个包，网上查询通过pip来进行安装（

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-serving-api，或者下载.whl包然后pip安装），直接执行上述方式后，发现虚拟环境里conda list 没有导入该包，应该是环境变量的pip和conda虚拟环境里的pip不是同一个。

所以只需要定位到conda环境里的pip进行安装：/Users/xiangyumeng/workspace/anaconda3/envs/test_tensorflow/bin/pip -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-serving-api，发现指令报错, “-i” 指令识别不了。

如果想要使用源，首先对pip进行更新/Users/xiangyumeng/workspace/anaconda3/envs/test_tensorflow/bin/python -m pip install --upgrade pip，然后往pip中加入清华源/Users/xiangyumeng/workspace/anaconda3/envs/test_tensorflow/bin/pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple，之后再执行安装指令/Users/xiangyumeng/workspace/anaconda3/envs/test_tensorflow/bin/pip install tensorflow-serving-api默认是指定到了清华源进行安装。

步骤很粗糙，大家可以多试试哈

常用安装源：

清华：https://pypi.tuna.tsinghua.edu.cn/simple

阿里云：http://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

 

weependd
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
最详细的机器学习环境的搭建和使用—-anaconda/jupyter/tensorflow-gpu /opencv等 安装和常用使用方法总结
01-06
Anaconda安装和常用使用技巧总结2.1 基本安装2.2 pip、conda更换国内源和常用方法2.2.1 pip2.2.1 conda2.3 anaconda虚拟环境使用2.4 anaconda常见命令总结2.5 anaconda如何干净地卸载重装3. jupyter使用和常用技巧...
基于YOLOv8的多端车流检测系统
05-02
1）访问Anaconda官网：https://www.anaconda.com/products/individual 2）选择相应的操作系统版本并下载对应的安装包（推荐下载64位版本） 3）打开下载的安装包，按照提示进行安装即可 4）创建一个虚拟环境： ...
[Anaconda] 如何在conda下使用pip安装包
热门推荐
mathemagics的博客
02-13 3万+
pip install [package]以及注意事项。
基于BP神经网络的自动驾驶模型车，包含收集数据、控制模型生成与在线离线自动运行源码+说明.zip
01-08
【资源说明】 1、基于BP神经网络的自动驾驶模型车，包含收集数据、控制模型生成与在线离线自动运行源码+说明.zip 2、该资源包括项目的全部源码，下载可以直接使用！ 3、本项目适合作为计算机、数学、电子信息等专业的课程设计、期末大作业和毕设项目，作为参考资料学习借鉴。 4、本资源作为“参考资料”如果需要实现其他功能，需要能看懂代码，并且热爱钻研，自行调试。 基于BP神经网络的自动驾驶模型车，包含收集数据、控制模型生成与在线离线自动运行源码+说明.zip # TensorRider 自动驾驶车 ![](pics/TensorRider.jpg) TensorRider是一种基于BP神经网络，对驾驶场景具有学习能力的的简易自动驾驶车模型。目前，TensorRider仅能实现基本的车道保持功能，即在学习了操作者的遥控驾驶行为后，根据经验对类似的场景做出自动驾驶行为。 TensorRider使用Google TensorFlow作为算法框架，可以在CPU或支持CUDA的NVIDIA GPU上进行训练。 完成训练后，可以使用一台计算机（Linux，macOS或Windows）作为TensorRider的计算服务器，令实验小车在线运行，也可以通过在TensorRider的Raspberry Pi上连接Intel Movidius Neural Compute Stick(NCS)，实现离线运行。 # 硬件需求 * TensorRider自动驾驶车模型，包括Raspberry Pi，摄像头，电机驱动电路等 * 运行Linux，Apple macOS 10.12+或Microsoft Windows 7+的计算机 * 带有模拟摇杆的游戏控制器（手柄） * （非必需）兼容CUDA的NVIDIA GPU，Intel Movidius NCS * 连接质量良好的无线局域网 # 使用方法 TensorRider实现基于学习的自动驾驶分为3个阶段：收集数据，建立模型和自动运行。 ## 1.收集数据 在这一步骤中，车辆模型在人工指引下，边行驶边记录摄像头拍摄的图像，同时记录下拍摄图像时车辆模型的转向角度。当收集了足够多的图像-转向角度数据后，即可以这些数据为依据，训练神经网络。 我们假设你已经在计算机上安装好了```Python3```和```Jupyter Notebook```。首先在计算机端安装依赖的python软件包。 ``` pip3 install pygame ``` *注：我们假设你已掌握使用pip安装软件包的方法，以及在虚拟环境中安装软件包的方法。例如根据你使用的python环境的不同，你可能需要使用conda install或pip install。* 目录```Step_1_Data_Collection```内包含进行数据采集所需的程序。先使用SFTP或NFS等方式，将```copy_to_rpi```目录中的文件传输至实验小车端的Raspberry Pi上。在Raspberry Pi上连接一个使用FAT32文件系统的USB闪存盘，并启动Raspberry Pi。 使用SSH登录Raspberry Pi，建立USB闪存盘的挂载点 ``` sudo mkdir /mnt/pdisk ``` 然后运行 ``` sudo mount -o uid=pi,gid=pi /dev/sda1 /mnt/pdisk/ ``` 挂载USB闪存盘。 *你也可以选择将数据存储在Raspberry Pi的SD卡，甚至内存文件系统中。但是比起使用网络传输采集的大量文件，使用USB闪存盘拷贝是更加快速的方式。如果你希望变更文件的存储位置，可在```rpi.py```的第161--163行中更改。* 挂载完成后运行```rpi.py```。如果实验小车上安装了状态指示灯，在接收到控制数据之前，红色指示灯每3秒闪烁一次。接着，在计算机上，在```transmitter.py```的第9行写入小车的局域网IP地址，然后运行```transmitter.py```。你将看到终端持续打印出读取到的手柄数据。如果与实验小车的连接正常，小车上的指示灯将转为绿色闪烁。 向前轻推控制器的左侧手柄，实验小车开始加速行驶，向后拉左侧手柄可使小车减速。向左、右方向推动右侧手柄，可使实验小车转向。若需要急停，可同时按下```L2```+```R2```键，实验小车立即停车。 熟悉实验小车的操控方法后，可在适当的时机按下```START```键，实验小车开始收集行驶数据。再按一次```START```停止收集数据。 *数据收集建议至少持续30min。在收集数据时，需要使用较慢的恒定速度行驶，因为小车的转弯半径与速度相关。可以同时按下`
【Python】Anaconda的虚拟环境pip配置清华镜像源并安装第三方库
weixin_42636075的博客
03-27 984
【Python】Anaconda的虚拟环境pip配置清华镜像源
基于YOLOv8的空中飞鸟检测预警系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的空中飞鸟检测预警系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.92 类别：bird 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
基于YOLOv8的马匹识别检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的马匹识别检测计数系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.94 类别：horse 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
基于YOLOv8的各种瓶子识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip
08-22
基于YOLOv8的各种瓶子识别检测系统源码(部署教程+训练好的模型+各项评估指标曲线).zip 平均准确率：0.95 类别：bottle 【资源介绍】 1、ultralytics-main ultralytics-main为YOLOv8源代码，里面涵盖基于yolov8分类、目标检测额、姿态估计、图像分割四部分代码，我们使用的是detect部分，也就是目标检测代码 2、搭建环境 安装anaconda 和 pycharm windows系统、mac系统、Linux系统都适配 在anaconda中新建一个新的envs虚拟空间(可以参考博客来)，命令窗口执行：conda create -n YOLOv8 python==3.8 创建完YOLOv8-GUI虚拟空间后，命令窗口执行：source activate YOLOv8 激活虚拟空间 然后就在YOLOv8虚拟空间内安装requirements.txt中的所有安装包，命令窗口执行：pip install -r requirements.txt 使用清华源安装更快 3、训练模型过程 进入到\ultralytics-main\ultralytics\yolo\v8\detect\文件夹下，datasets即为我们需要准备好的数据集，训练其他模型同理。 data文件夹下的bicycle.yaml文件为数据集配置文件，该文件为本人训练自行车检测模型时创建，训练其他模型，可自行创建。博文有介绍https://blog.csdn.net/DeepLearning_?spm=1011.2415.3001.5343 train.py中238行，修改为data = cfg.data or './bicycle.yaml' # or yolo.ClassificationDataset("mnist") 237行修改自己使用的预训练模型 若自己有显卡，修改239行，如我有四张显卡，即改成args = dict(model=model, data=data, device=”0,1,2,3“) 以上配置完成后运行train.py开始训练模型，训练完毕后会在runs/detect/文件夹下生成train*文件夹，里面包含模型和评估指标等 4、推理测试 训练好模型，打开predict.py，修改87行，model = cfg.model or 'yolov8n.pt'，把yolov8n.pt换成我们刚才训练完生成的模型路径(在\ultralytics-main\ultralytics\yolo\v8\detect\runs\detect文件夹下)，待测试的图片或者视频存放于ultralytics\ultralytics\assets文件夹， 运行predict.py即可，检测结果会在runs/detect/train文件夹下生成。
conda中使用pip
Arthur_Holmes的博客
11-15 4351
conda & pip 为 conda 和 pip 添加镜像 由于国内访问 repo.continuum 和 pypi 的速度较慢，用户可自行设置清华镜像，会 极大提高下载速度（不会提高环境解析速度）。 conda:清华镜像，里面还 包含 pytorch 等第三方源。 pip:清华镜像 conda 在解析环境时，由于要将所有 channel 扫一遍，在遇到 re...
如何在 conda 中使用 pip (conda 中使用 pip 的建议)
零一魔法
11-16 4567
conda 无法识别 pip 安装的库，会导致 conda 重复安装 pip 安装过的库，基于此，建议：
如何在conda环境中正确地使用pip
卖糖葫芦大叔的博客
06-25 5890
在conda环境下使用pip安装库时，许多时候会出现一些奇怪的现象，即用pip安装完成后在该conda环境下却没有该库。本文将说明该问题出现的原因，修复方式和如何正确地在conda环境中使用pip。
Python | conda 常用命令以及如何在 conda 环境中使用 pip
m0_52650517的博客
08-25 5815
conda 常用命令1. conda 查看版本2. conda 包管理 1. conda 查看版本 conda --version 2. conda 包管理
Conda&&Pip 使用
dream8062的专栏
04-15 3704
python 开发中conda 、pip 使用，一篇就够了
基于YOLOv8的多端车流检测系统用于毕设+开源
04-30
1）访问Anaconda官网：https://www.anaconda.com/products/individual 2）选择相应的操作系统版本并下载对应的安装包（推荐下载64位版本） 3）打开下载的安装包，按照提示进行安装即可 4）创建一个虚拟环境： ...
基于YOLOv8的多端车流检测系统-MTAS源码+运行说明.zip
最新发布
05-03
1）访问Anaconda官网2）选择相应的操作系统版本并下载对应的安装包（推荐下载64位版本） 3）打开下载的安装包，按照提示进行安装即可 4）创建一个虚拟环境： conda create --name 自命名 python=3.9.16 第二步 下载...
【Linux】conda新建环境 pip install原理
qq_39165617的博客
04-14 1642
conda新建环境 pip install原理condapip conda conda create -n myenv python=3.6 当运行上面的语句并确认后 将会开始下载数据包至pkgs文件夹下，一个包对应生成一个文件，一个文件夹以及更改一个文件。 文件pkg_name.conda或pkg_name.tar.bz2文件，pkg_name是包名，例如可以为python-3.6.13-hdb3f193_0，一般使用官方源为后缀为.conda，国内源后缀.tar.bz2 解压安装后的pkg_nam
conda虚拟环境：如何使用pip或者conda进行包的安装和管理
weixin_51286347的博客
01-10 7509
本文将会介绍如何利用cmd命令窗口或者anaconda promt使用pip命令或者conda命令，安装管理python所需要的库或者包。
conda虚拟环境 如何使用pip下载包到当前环境
Jacob_xyb
02-17 1万+
conda虚拟环境 如何使用pip下载包到当前环境
Anaconda为虚拟环境安装第三方库与Spyder等软件的方法
疯狂学习GIS的博客
12-16 3745
本文介绍在Anaconda中，为Python的虚拟环境安装第三方库与Spyder等配套软件的方法~
conda虚拟环境怎么安装包
06-02
在conda虚拟环境中安装包，可以使用conda或pip命令。 使用conda命令安装包： 1. 打开终端或Anaconda Prompt； 2. 激活要安装包的虚拟环境：`conda activate env_name`； 3. 使用conda命令安装包：`conda install ...

“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 1
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