windows7 python3.7对应cuda_win7+cuda+anaconda python+tensorflow-gpu+keras安装成功版本匹配汇总...

最新推荐文章于 2023-02-11 16:38:07 发布
最新推荐文章于 2023-02-11 16:38:07 发布
阅读量400 收藏
点赞数
文章标签： windows7 python3.7对应cuda

大家在安装配置过程中遇到了很多坑，其中大部分和软件之间的版本兼容性有关，在此，列出了不同软件版本之间的配置兼容性，方便安装配置。

PathCompilerCUDA/cuDNNSIMDNotes

1.14.0\py37\CPU\sse2

VS2019 16.1

No

x86_64

Python 3.7

1.14.0\py37\CPU\avx2

VS2019 16.1

No

AVX2

Python 3.7

1.14.0\py37\GPU\cuda101cudnn76sse2

VS2019 16.1

10.1.168_425.25/7.6.0.64

x86_64

Python 3.7/Compute 3.0

1.14.0\py37\GPU\cuda101cudnn76avx2

VS2019 16.1

10.1.168_425.25/7.6.0.64

AVX2

Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.13.1\py37\CPU\sse2

VS2017 15.9

No

x86_64

Python 3.7

1.13.1\py37\CPU\avx2

VS2017 15.9

No

AVX2

Python 3.7

1.13.1\py37\GPU\cuda101cudnn75sse2

VS2017 15.9

10.1.105_418.96/7.5.0.56

x86_64

Python 3.7/Compute 3.0

1.13.1\py37\GPU\cuda101cudnn75avx2

VS2017 15.9

10.1.105_418.96/7.5.0.56

AVX2

Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.12.0\py36\CPU\sse2

VS2017 15.8

No

x86_64

Python 3.6

1.12.0\py36\CPU\avx2

VS2017 15.8

No

AVX2

Python 3.6

1.12.0\py36\GPU\cuda100cudnn73sse2

VS2017 15.8

10.0.130_411.31/7.3.1.20

x86_64

Python 3.6/Compute 3.0

1.12.0\py36\GPU\cuda100cudnn73avx2

VS2017 15.8

10.0.130_411.31/7.3.1.20

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.12.0\py37\CPU\sse2

VS2017 15.8

No

x86_64

Python 3.7

1.12.0\py37\CPU\avx2

VS2017 15.8

No

AVX2

Python 3.7

1.12.0\py37\GPU\cuda100cudnn73sse2

VS2017 15.8

10.0.130_411.31/7.3.1.20

x86_64

Python 3.7/Compute 3.0

1.12.0\py37\GPU\cuda100cudnn73avx2

VS2017 15.8

10.0.130_411.31/7.3.1.20

AVX2

Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.11.0\py36\CPU\sse2

VS2017 15.8

No

x86_64

Python 3.6

1.11.0\py36\CPU\avx2

VS2017 15.8

No

AVX2

Python 3.6

1.11.0\py36\GPU\cuda100cudnn73sse2

VS2017 15.8

10.0.130_411.31/7.3.0.29

x86_64

Python 3.6/Compute 3.0

1.11.0\py36\GPU\cuda100cudnn73avx2

VS2017 15.8

10.0.130_411.31/7.3.0.29

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.11.0\py37\CPU\sse2

VS2017 15.8

No

x86_64

Python 3.7

1.11.0\py37\CPU\avx2

VS2017 15.8

No

AVX2

Python 3.7

1.11.0\py37\GPU\cuda100cudnn73sse2

VS2017 15.8

10.0.130_411.31/7.3.0.29

x86_64

Python 3.7/Compute 3.0

1.11.0\py37\GPU\cuda100cudnn73avx2

VS2017 15.8

10.0.130_411.31/7.3.0.29

AVX2

Python 3.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0,7.5

1.10.0\py36\CPU\sse2

VS2017 15.8

No

x86_64

Python 3.6

1.10.0\py36\CPU\avx2

VS2017 15.8

No

AVX2

Python 3.6

1.10.0\py36\GPU\cuda92cudnn72sse2

VS2017 15.8

9.2.148.1/7.2.1.38

x86_64

Python 3.6/Compute 3.0

1.10.0\py36\GPU\cuda92cudnn72avx2

VS2017 15.8

9.2.148.1/7.2.1.38

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.10.0\py27\CPU\sse2

VS2017 15.8

No

x86_64

Python 2.7

1.10.0\py27\CPU\avx2

VS2017 15.8

No

AVX2

Python 2.7

1.10.0\py27\GPU\cuda92cudnn72sse2

VS2017 15.8

9.2.148.1/7.2.1.38

x86_64

Python 2.7/Compute 3.0

1.10.0\py27\GPU\cuda92cudnn72avx2

VS2017 15.8

9.2.148.1/7.2.1.38

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.9.0\py36\CPU\sse2

VS2017 15.7

No

x86_64

Python 3.6

1.9.0\py36\CPU\avx2

VS2017 15.7

No

AVX2

Python 3.6

1.9.0\py36\GPU\cuda92cudnn71sse2

VS2017 15.7

9.2.148/7.1.4

x86_64

Python 3.6/Compute 3.0

1.9.0\py36\GPU\cuda92cudnn71avx2

VS2017 15.7

9.2.148/7.1.4

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.9.0\py27\CPU\sse2

VS2017 15.7

No

x86_64

Python 2.7

1.9.0\py27\CPU\avx2

VS2017 15.7

No

AVX2

Python 2.7

1.9.0\py27\GPU\cuda92cudnn71sse2

VS2017 15.7

9.2.148/7.1.4

x86_64

Python 2.7/Compute 3.0

1.9.0\py27\GPU\cuda92cudnn71avx2

VS2017 15.7

9.2.148/7.1.4

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.8.0\py36\CPU\sse2

VS2017 15.4

No

x86_64

Python 3.6

1.8.0\py36\CPU\avx2

VS2017 15.4

No

AVX2

Python 3.6

1.8.0\py36\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.3/7.1.3

x86_64

Python 3.6/Compute 3.0

1.8.0\py36\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.3/7.1.3

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.8.0\py27\CPU\sse2

VS2017 15.4

No

x86_64

Python 2.7

1.8.0\py27\CPU\avx2

VS2017 15.4

No

AVX2

Python 2.7

1.8.0\py27\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.3/7.1.3

x86_64

Python 2.7/Compute 3.0

1.8.0\py27\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.3/7.1.3

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.7.0\py36\CPU\sse2

VS2017 15.4

No

x86_64

Python 3.6

1.7.0\py36\CPU\avx2

VS2017 15.4

No

AVX2

Python 3.6

1.7.0\py36\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.3/7.1.2

x86_64

Python 3.6/Compute 3.0

1.7.0\py36\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.3/7.1.2

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.7.0\py27\CPU\sse2

VS2017 15.4

No

x86_64

Python 2.7

1.7.0\py27\CPU\avx2

VS2017 15.4

No

AVX2

Python 2.7

1.7.0\py27\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.3/7.1.2

x86_64

Python 2.7/Compute 3.0

1.7.0\py27\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.3/7.1.2

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.6.0\py36\CPU\sse2

VS2017 15.4

No

x86_64

Python 3.6

1.6.0\py36\CPU\avx2

VS2017 15.4

No

AVX2

Python 3.6

1.6.0\py36\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.3/7.1.1

x86_64

Python 3.6/Compute 3.0

1.6.0\py36\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.3/7.1.1

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.6.0\py27\CPU\sse2

VS2017 15.4

No

x86_64

Python 2.7

1.6.0\py27\CPU\avx2

VS2017 15.4

No

AVX2

Python 2.7

1.6.0\py27\GPU\cuda91cudnn71sse2

VS2017 15.4

9.1.85.2/7.1.1

x86_64

Python 2.7/Compute 3.0

1.6.0\py27\GPU\cuda91cudnn71avx2

VS2017 15.4

9.1.85.2/7.1.1

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.5.0\py36\CPU\avx

VS2017 15.4

No

AVX

Python 3.6

1.5.0\py36\CPU\avx2

VS2017 15.4

No

AVX2

Python 3.6

1.5.0\py36\GPU\cuda91cudnn7avx2

VS2017 15.4

9.1.85/7.0.5

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.5.0\py27\CPU\sse2

VS2017 15.4

No

x86_64

Python 2.7

1.5.0\py27\CPU\avx

VS2017 15.4

No

AVX

Python 2.7

1.5.0\py27\CPU\avx2

VS2017 15.4

No

AVX2

Python 2.7

1.5.0\py27\GPU\cuda91cudnn7sse2

VS2017 15.4

9.1.85/7.0.5

x86_64

Python 2.7/Compute 3.0

1.5.0\py27\GPU\cuda91cudnn7avx2

VS2017 15.4

9.1.85/7.0.5

AVX2

Python 2.7/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.4.0\py36\CPU\avx

VS2017 15.4

No

AVX

Python 3.6

1.4.0\py36\CPU\avx2

VS2017 15.4

No

AVX2

Python 3.6

1.4.0\py36\GPU\cuda91cudnn7avx2

VS2017 15.4

9.1.85/7.0.5

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1,7.0

1.3.0\py36\CPU\avx

VS2015 Update 3

No

AVX

Python 3.6

1.3.0\py36\CPU\avx2

VS2015 Update 3

No

AVX2

Python 3.6

1.3.0\py36\GPU\cuda8cudnn6avx2

VS2015 Update 3

8.0.61.2/6.0.21

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1

1.2.1\py36\CPU\avx

VS2015 Update 3

No

AVX

Python 3.6

1.2.1\py36\CPU\avx2

VS2015 Update 3

No

AVX2

Python 3.6

1.2.1\py36\GPU\cuda8cudnn6avx2

VS2015 Update 3

8.0.61.2/6.0.21

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1

1.1.0\py36\CPU\avx

VS2015 Update 3

No

AVX

Python 3.6

1.1.0\py36\CPU\avx2

VS2015 Update 3

No

AVX2

Python 3.6

1.1.0\py36\GPU\cuda8cudnn6avx2

VS2015 Update 3

8.0.61.2/6.0.21

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1

1.0.0\py36\CPU\sse2

VS2015 Update 3

No

x86_64

Python 3.6

1.0.0\py36\CPU\avx

VS2015 Update 3

No

AVX

Python 3.6

1.0.0\py36\CPU\avx2

VS2015 Update 3

No

AVX2

Python 3.6

1.0.0\py36\GPU\cuda8cudnn51sse2

VS2015 Update 3

8.0.61.2/5.1.10

x86_64

Python 3.6/Compute 3.0

1.0.0\py36\GPU\cuda8cudnn51avx2

VS2015 Update 3

8.0.61.2/5.1.10

AVX2

Python 3.6/Compute 3.0,3.5,5.0,5.2,6.1

0.12.0\py35\CPU\avx

VS2015 Update 3

No

AVX

Python 3.5

0.12.0\py35\CPU\avx2

VS2015 Update 3

No

AVX2

Python 3.5

0.12.0\py35\GPU\cuda8cudnn51avx2

VS2015 Update 3

8.0.61.2/5.1.10

AVX2

Python 3.5/Compute 3.0,3.5,5.0,5.2,6.1

tensorflow CUDA cudnn 版本对应关系

linux下：

windows下：

上面两张图是在这里找到的：https://tensorflow.google.cn/install/source  (右上角language选English)

tensorflow和keras版本搭配

anaconda python 版本对应关系

本文链接：https://blog.csdn.net/yuejisuo1948/article/details/81043823

首先解释一下上表。 anaconda在每次发布新版本的时候都会给python3和python2都发布一个包，版本号是一样的。

表格中，python版本号下方的离它最近的anaconda包就是包含它的版本。

举个例子，假设你想安装python2.7.14，在表格中找到它，它下方的三个anaconda包(anaconda2-5.0.1、5.1.0、5.2.0)都包含python2.7.14；

假设你想安装python3.6.5，在表格中找到它，它下方的anaconda3-5.2.0就是你需要下载的包；

假设你想安装python3.7.0，在表格中找到它，它下方的anaconda3-5.3.0或5.3.1就是你需要下载的包；

镜像下载地址：清华镜像源

官方下载地址：https://repo.anaconda.com/archive/

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

cuda_9.0.176_windows.exe

cudnn-9.0-windows7-x64-v7.zip

python-3.5.4-amd64.exe

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

Anaconda3   5.2.0

CUDA9.0 + cudnn7 (9.1版本不支持tensorflow)

tensorflow-gpu 1.6.0

防坑 centos7 安装 CUDA9.0 + cudnn7.1 +TensorFlow GPU版1.6.0/1.8.0

简单来说：tf1.5及以上用只能是cuda9.0，其他的tf1.4及以下版本就是cuda8.0等，最好自己去查查！可恶的是tf官方和nVidia都没有版本对应的说明！！！

Windows 7下安装TensorFlow1.6(cuda9.0+cuDNN 7.0+python3.5+pip9)

win7 x64 安装 TensorFlow1.6 CUDA 9.1+cuDNN7.1( 7.0.5)+python3.6 (python 3.5.2)

win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置

tensorflow 安装GPU版本，个人总结，步骤比较详细

TensorFlow 安装GPU版本

python+tensorflow+tensorflow-gpu+CUDA+cuDNN+pycharm全套环境配置教程 推荐

深度学习环境搭建-CUDA9.0、cudnn7.3、tensorflow_gpu1.10的安装

win7 vs2015 cuda9.0 安装 Tensorflow-gpu 1.8

WIN7系统安装 tensorflow1.6.0 + CUDA9.0 + cudnn7 版本

Windows 7下安装TensorFlow1.6(cuda9.0+cuDNN 7.0+python3.5+pip9)

匹配tensorflow-gpu和keras：

tensorflow 1.5 和keras 2.1.3、keras 2.1.4、keras 2.3.0(运行代码会报错)

tensorflow 1.4和keras 2.1.3

tensorflow 1.3和keras 2.1.2

tensorflow  1.2和keras 2.1.1

weixin_39942572
关注
windows7 python3.7对应cuda_（避让坑）win10+anaconda3+vs 2017+cuda9.0+cudnn7.6+Python 3.7+tensorflow gpu1.12...
weixin_39862382的博客
01-30 217
win10+Anaconda3+VS 2017+cuda9.0+cuDNN7.6+Python3.7+Tensorflow_gpu1.12.0附cuda与Tensorflow版本对应网址因为作业需要搭建Tensorflow环境，搭了四天才完成，版本问题真的不能忽视啊。本机GPU：GeForce 940MX查了很多表，我的显卡应该是只能搭载CUDA8.0的，然鹅，之前装SQL的时候装了VS2017，...
python3.7安装keras教程_python 3.7 安装 sklearn keras(tf.keras)
weixin_39641103的博客
11-24 462
# 1 sklearn 一般方法网上有很多教程，不再赘述。注意顺序是 numpy+mkl ，然后 scipy的环境，scipy，然后 sklearn# 2 anocondaanaconda 原始的环境已经自带了sklearn，这里说一下新建环境（比如 创建了一个tensorflow的环境），activate tensorflow2.0，然后conda install sklearn...
win10+python3.7+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1+opencv3.4.2 教程（最新）
weixin_30532369的博客
07-01 1623
---恢复内容开始-- win10+python3.7.3+Anaconda3+CUDA10.0+cuDNN7.5+tensorflow_gpu1.13.1+opencv3.4.2（目前最新） 要保证每个软件对其他软件版本要求，来配置开发环境的版本。 （最重要的是：记住，并不是最新版本的软件版本就是最好最兼容。期间偶几次想卸载python3.7降到python3.5所有软件...
window10安装tensorFlow的CPU版本
09-14
在window10环境中安装tensorFlow的CPU版本，在线安装快速便捷
Anaconda 中默认的python3.6降为python 3.5(WIN 7 支持）
热门推荐
yuanhuiling的博客
03-31 3万+
  昨天发现这样设置以前，dos系统下，Python的版本仍然是3.6版，后来干脆下载Anaconda3.4，它对应Python 3.5 。下载地址：https://repo.continuum.io/archive/ 以下内容算作废啦    现在越来越多的小伙伴选择WIN10或WIN8的系统。最近在使用TensorFlow框架，WIN7系统下的安装教程比较简略，下载了Anaconda5.1之后，...
ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤的ppt
最新发布
03-01
### ANACONDA +Cuda及cuDNN+Tensorflow-gpu版本+keras安装步骤详解 #### 一、ANACONDA 安装 **ANACONDA** 是一个非常方便的Python和R的数据科学环境管理器。它提供了一个包含大量科学计算库的分发版，以及一个强大...
win10下python3.7,anaconda,tensorflow-gpu,keras的配置全过程（一整套齐全安装配置）
weixin_45082522的博客
05-24 2122
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
Win10离线安装Anaconda3+cuda_10.1 +cudnn-10.1+tensorflow-2.3.1+python3.7+VS 2019附最全依赖包和错误解决方式
小小的天空
03-03 1162
Win10离线安装Anaconda3+cuda_10.1+cudnn-10.1+tensorflow-2.3.1+python3.7+VS 2019附最全依赖包和错误解决方式 题外：生了好久的手，因为种种原因，又重新开始学起了深度学习，先从安装必修课走起，因为是离线安装环境，确实是折腾得我不轻啊，前前后后差不多得5天吧，总算安装成功了。 1.依赖包（最全） 之前在别的文章中见到有人分享了离线安装tensorflow所依赖的包，本人实际安装过程中又多出了一些，可能跟安装各个组件的版本有关系，本人安装的是
2021-11-23-GPU版本Tensorflow+Keras环境安装与配置
mangfan1993的博客
11-23 8772
目前TensorFlow的最新版本（2.7）已经默认支持CPU和GPU。 安装前需要先确认显卡算力是否达到最新版的要求，算力低于3.0的版本本文暂不涉及。 自己亲测的组合有以下两种：（1）旧版（3.0 <算力 < 3.5）：python3.6.5+CUDA8.0+cuDNN7.14+tensorflow1.2.0 （2）新版（算力 > 3.5）：python3.8.12+cudatoolkit11.3.1+cudnn8.2.1+tensorflow2.7+Keras2.7 本
ANACONDA+Cuda/cuDNN+Tensorflow-gpu与Keras安装详解PPT
本PPT详细介绍了如何在ANACONDA环境中集成CUDA及cuDNN，以便于在TensorFlow-gpu版本上进行深度学习开发，以及安装和使用Keras进行分类任务。以下是主要内容的详细解析： 1. ANACONDA安装： ANACONDA是Python的一个...
Win10+python3.7+cuda9.1+cudnn7+tensorflow1.6.0/1.12.0-GPU安装过程
莫非d13
05-12 4724
Win10+python3.7+cuda9.1+cudnn7+tensorflow1.6.0-GPU（两天的结果） ！！！警告Anaconda最好不要卸载重装，第一次装上容易，后面卸了之后重装就会一大堆问题，我重装了不下6次，嘻嘻，以下顺序最好不要乱，否则就enmmmm。 Python如果还没安装可以先不安装，Anaconda自带python程序安装，如果装了高版本的3.7及以上，也没有关系，An...
win10 64位 python版本3.7 tensorflow-gpu2.2 CUDA版本10.1 cuDNN版本7.6.5
q742971636的博客
07-23 882
https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/ 1 下载cuda http://developer.nvidia.com/cuda-downloads 2
anaconda3 win7_win7+anaconda3+cuda9.0+CuDNN7+tf-gpu+pycharm 配置
weixin_39693971的博客
12-01 112
win7+anaconda3+cuda9.0+CuDNN7+tensorflow-gpu+pycharm配置装好需要的驱动这次根据各位大佬的建议，应该可以做到了。有的朋友说我的算力有点低，但是我觉得还是够用了。就是处理一些图像和视频。接下来我继续安装cuda9已经安装失败，换成我的算力范围内的来安装。我换成8先卸载掉之前安装的9.0的版本逐个卸载原来磁盘空间不够，我通过罗占分区来安装。打开分区助手...
AI入坑——WIN7或者10下Anaconda3.7+tensorflow+pycharm环境配置
weixin_45210993的博客
09-09 497
由于项目需要，最近开始入手神经网络，遇到的第一个坑便是环境的配置。一开始想装GPU版本的tensorflow，试了好几天没有成功，只好在CPU下进行编程。最近又尝试了两次，总结了下经验，终于安装成功。希望我的经验能帮助到有需要的小伙伴。 安装主要分为以下四步： 安装Anaconda 选择相应的CUDA和Cudnn版本并下载添加环境变量（只安装CPU可以跳过这一步） 利用co...
Windows7系统下TensorFlow-gpu安装
算法之美
11-21 195
Windows7系统下Anaconda的TensorFlow-gpu安装
【Anaconda】Windows丨Anaconda简介、下载及安装教程
qi_qiaolin的博客
09-08 6495
博主觉得，一开始接触Anaconda不需要长篇大论的去了解....也不需要理解的特别深入，先明白“面”上的东西，用起来，在不断使用的过程中加深了解。简单来说，一、Anaconda是什么？Anaconda本质上就是包管理器和环境管理器Anaconda是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的Python发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
【保姆级教程】Anaconda的安装教程：包括Anaconda的介绍、下载、安装及环境变量配置等
信小海
02-11 1万+
本文详细介绍了Anaconda的安装步骤：包括Anaconda的介绍、下载、安装及环境变量配置等。
Anaconda python3.5下载，还有各个版本下载地址
ACE的博客
05-22 1万+
学习的时候环境要求是python3.5，然后去Anaconda官网找不到python3.5的版本，只有3.7。这样需要降级，太麻烦了，直接找到了URL https://repo.anaconda.com/archive https://repo.anaconda.com/archive/Anaconda3-2.4.1-Windows-x86_64.exe是python3.5的 ...
linux下安装anconda
m0_43609475的博客
08-30 4567
第一步：下载anconda 地址：https://repo.anaconda.com/archive/ 第二步：把下载好的anconda放到指定的路径 执行命令 ：一路回车yes等待安装 bash Anaconda3-5.3.1-Linux-x86_64.sh 遇到这个情况选择no回车 如果安装出现一下错误：解决办法 [/root/anaconda3] >>> PREFIX=/root/anaconda3 Anaconda3-5.3.0-Linux-x86_64.sh: line
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