本地julia安装文件安装在conda虚拟环境中

最近需要在windows系统上安装julia,但是我想用conda管理julia环境,于是就按照上一篇文章《Linux平台安装julia》的方法开始安装,于是。。。。。。

当执行

conda search julia

搜索不到julia的安装包,提示,

No match found for: julia. Search: *julia*

仅搜到了一些julia-conda-packagingjulianjuliaup …… 等,添加了许多国内镜像源也无济于事,经过对各个源的肉眼搜索,发现他们几乎只有Linux和macOS系统的julia包,于是自力更生。

  1. 下载windows的julia安装包
  2. 执行安装程序
  3. 选择安装路径为需要安装的虚拟环境路径。如我要将julia安装在已经创建好的julia-env虚拟环境下,通过以下命令可以知道各个环境的位置
conda env list

输出内容如下

# conda environments:
#
base                     C:\ProgramData\miniconda3
julia-env                C:\ProgramData\miniconda3\envs\julia-env
MatPy                    C:\Users\DELL\.conda\envs\MatPy

可见我有三个虚拟环境,将julia-env的路径作为安装路径,后面按指引安装即可。
此处需要注意的是选择了安装路径进入下一步的时候,会提示目录已存在,是否继续,这个直接确认就可以。

如此进入到julia-env 环境就可以使用julia了。当然,使用

conda list

是查看不到julia包的,这个问题目前还不知道如何解决。

  • 10
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: 您可以参考以下步骤在Conda虚拟环境安装TensorFlow GPU:1.首先,在您的Deepin系统安装Conda。2.然后,使用Conda创建一个虚拟环境。3.接着,在虚拟环境安装TensorFlow GPU。4.最后,激活您的虚拟环境,并开始使用TensorFlow GPU。 ### 回答2: 要在conda虚拟环境安装tfGPU,需要按照以下步骤进行操作: 1. 首先,确保在你的计算机上已经安装conda。如果没有,请先下载并安装最新的conda发行版。 2. 打开终端或命令提示符窗口,在命令行输入以下命令,创建一个新的conda虚拟环境: ``` conda create -n myenv ``` 其,"myenv"是你给虚拟环境起的名称,可以根据自己的喜好进行更改。 3. 激活你的虚拟环境。在命令行输入以下命令: ``` conda activate myenv ``` 4. 接下来,你需要安装NVIDIA GPU驱动程序和CUDA和cuDNN库。你可以根据你的显卡和CUDA版本到NVIDIA官方网站下载并安装对应版本的驱动程序和CUDA和cuDNN库。 5. 安装TensorFlow GPU版本。在命令行输入以下命令: ``` conda install tensorflow-gpu ``` 这将会自动下载和安装最新版本的TensorFlow GPU。请注意,这可能会花费一些时间来解决依赖关系和下载安装所需的文件。 6. 安装其他必要的依赖项。根据你的项目需求,你可能需要安装其他一些依赖项,例如Keras等。你可以使用conda包管理器来安装这些依赖项。 7. 确认安装成功。在命令行输入以下命令,启动Python解释器: ``` python ``` 然后,导入TensorFlow库并验证是否成功: ```python import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) ``` 如果输出显示了你安装的TensorFlow版本,并且指示GPU可用,则说明成功安装了tfGPU。 请注意,安装tfGPU需要相应版本的NVIDIA GPU驱动程序、CUDA和cuDNN库,以及与之兼容的TensorFlow版本。因此,请确保你按照官方文档的要求进行安装,并根据你的硬件和软件环境进行相应的调整。 ### 回答3: 首先,为了在conda虚拟环境安装tfGPU,我们需要确保已经在deepin操作系统上成功安装了Anaconda和CUDA。 1. 首先,在deepin操作系统上下载并安装Anaconda。可以在Anaconda官方网站上下载合适的版本,并按照官方指南进行安装。 2. 安装完成后,打开终端,并创建一个新的conda虚拟环境。可以使用以下命令: conda create -n myenv python=3.8 "myenv"是虚拟环境的名称,你可以自己设置。 3. 激活虚拟环境conda activate myenv 4. 接下来,安装CUDA。可以根据你的显卡型号和CUDA版本到NVIDIA官网上下载对应版本的CUDA,并按照官方指南进行安装。 5. 安装完成后,我们可以使用以下命令安装tensorflow-gpu: conda install tensorflow-gpu 以上步骤将在你的conda虚拟环境安装tfGPU。请注意,这些步骤需要一些时间和网络资源,所以请确保你的网络连接稳定。 安装完成后,你可以在python脚本或jupyter notebook,导入tensorflow并开始使用tfGPU进行深度学习任务。确保在代码使用`import tensorflow as tf`来导入tensorflow库,以便正确使用tfGPU加速功能。 希望以上信息能帮助你在deepin操作系统上成功安装tfGPU并进行深度学习任务。如果遇到任何问题,请参考conda和CUDA的官方文档或向相关社区求助。

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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