Python基础自学(第一章-环境安装)

第一步:安装环境

1. 这里我选择的书是机械工业出版社出版的《自学Python》(李金 等编著)
2. 使用书中推荐的Anaconda这个软件,这个可以直接到官网下载(选择操作系统和位数下载即可)(是外国网站,网络可能不太好)
3. 安装的话就建议直接点next就行了,就那个选择安装路径这里注意一下,默认是C盘的,如果想自定义的话会发生一些使用上的意外,包括如下情况:
(1) 在命令行无法使用python命令
(2)在命令行无法使用ipthon
(3)在命令行无法使用spyder
(4)在命令行无法使用jupyter notebook

4. 解决办法是添加相应的环境变量
在我的电脑右击找到属性
点击
进入环境变量
在这里插入图片描述
找到系统环境变量的Path里面添加下面说到的路径(注意路径之间用英文的分号(;)隔开)
在这里插入图片描述
首先我们找到我们安装Anaconda的安装路径
(我的是安装在D盘,这个自定义的)

在这里插入图片描述
解决第一个是找到python.exe这个可执行文件(找不到直接在安装路径下搜索也行的)
在这里插入图片描述
然后就可以吧当前所在的路径复制到我们刚才的系统环境变量里面了(注意分号哦,还有就是编辑这个环境变量记得先复制到记事本,在记事本上操作完成在复制回去,不然弄错丢失了其他重要的环境变量就惨咯,我第一次弄就是搞错了,结果花了好多时间才弄回去

测试一下可以了
在这里插入图片描述
上面的问题我们都可以通过这办法解决,那个不能打开就去找到相应的.exe文件,然后把路径复制到环境变量就行了

  • 需要注意的地方是,额外添加这个路径才可以打开jupyter notebook和spyder
  • 在这里插入图片描述
  • 如果添加了还不行那就要进行更新一下,一开始我添加了也不行后来去网上找答案说更新一下就行了,我去试了可以。具体方法是找到这个可执行文件
  • 在这里插入图片描述
  • 点开输入 conda upgrade --all(更新一下,等待完毕一路输入Y即可)

第二步:总结

装个环境不难,就是自定义安装会出现上述的小问题。我都是通过网上百度前辈的经验解决的,在此总结一下,想学好Python,环境总是要先搭好的。

附加一个小东西:就是我们打开jupyter notebook编辑(这个是在网页上编辑代码的,然后那个存储路径是系统默认的,比较不友好,我们可以修改,具体这么做)

在这里插入图片描述
点击属性进入
在这里插入图片描述
后面这个就是自定义路径(那个英文双引号不能少哦)

这是我自己安装过程的一点心得,只为记录一下,如果有人看了发现bug欢迎各位大佬指正

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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