anaconda的安装和配置环境及导入pycharm

一、anaconda的安装

首先,下载安装包。Anaconda的下载方式有两种:

通过官网下载,选择适合自己的电脑版本的安装包。https://www.anaconda.com/download/

在官网中下载比较缓慢,可以通过清华大学开源软件镜像站下载。

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

双击Anaconda的安装包,按照如下步骤安装:
————————————————
在这里插入图片描述

在这里插入图片描述

点击进入下一步,按照下图进行安装;为了方便,我将本机的Python环境注入到Anaconda中
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

二、配置Anaconda的环境

此电脑右击,选择属性

选择高级系统配置

选择环境变量

选择用户环境变量中的Path进行编辑(也可新建..._HOME,再打开Path新建%..._HOME%)

将安装的位置添加进去,我的就是这两条路径,需要根据自己安装的位置进行调整


  D:\python\Anaconda3
  D:\python\Anaconda3\Scripts

在这里插入图片描述

配置完成后,在命令行窗口查看配置是否成功
在cmd中输入 :conda --version,——查看是否有conda环境? (检验安装成功的标志)

在这里插入图片描述

右击Anaconda Prompt打开终端或命令提示符中键入 conda list,查看安装的内容;

在这里插入图片描述

三、anaconda导入pycharm

pycharm确实要比Spyder功能全面,但是anaconda的环境配置实在太方便了,所以想take both,其实很简单,利用pycharm debug,用anaconda的库。

第一步:建立一个project,打开setting。
第二步:点击project interpreter。
第三步:点击右上角“齿轮”
第四步:点击Add…

配置步骤如下

1、点击Existing environment

2、在interpreter中,选择Anaconda3路径下的python.exe,接着连续OK。(建议大家也配置python的环境变量,防止后续出错),

下图一是配置后实现的效果

效果如下图:

在这里插入图片描述

在这里插入图片描述
望其对大家有所帮助!

  • 7
    点赞
  • 41
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
基于paddle框架的图像超分和降噪实现源码+项目使用说明.zip 基于paddle框架的图像超分和降噪实现源码+项目使用说明.zip 基于paddle框架的图像超分和降噪实现源码+项目使用说明.zip 【资源说明】 该项目是个人毕设项目源码,评审分达到95分,调试运行正常,确保可以运行!放心下载使用。 该项目资源主要针对计算机、自动化等相关专业的学生或从业者下载使用,也可作为期末课程设计、课程大作业、毕业设计等。 具有较高的学习借鉴价值!基础能力强的可以在此基础上修改调整,以实现类似其他功能。 项目建议安装anaconda,在anaconda配置环境,然后导入pycharm中运行 ## 1. 模型 * [x] [Unet]() ## 2. 数据准备 ## 3. 训练 此模型支持单机单卡和单机多卡训练,以下使用`UNet`跑`denoise`举例。 ### 3.1 单机单卡 ``` python tools/train.py -c ./configs/denoise/unet_watermark.yaml ``` ### 3.2 单机多卡 ``` python -m paddle.distributed.launch --gpus=0,1,2,3 tools/train.py -c ./configs/denoise/unet_watermark.yaml ``` 所有的训练日志都默认保存在 `./output/UNet/train.log` ## 4. 实验结果 ## 5. 评估 此模型支持单机单卡和单机多卡评估,以下使用`UNet`跑`denoise`举例,生成的模型位置在`/output/UNet/best_model.pdparams` ### 5.1 单机单卡 ``` python tools/eval.py -c ./configs/denoise/unet_watermark.yaml -o Global.pretrained_model=./output/UNet/best_model.pdparams ``` ### 5.2 单机多卡 ``` python -m paddle.distributed.launch --gpus=0,1,2,3 tools/eval.py -c ./configs/denoise/unet_watermark_4gpu.yaml -o Global.pretrained_model=./output/UNet/best_model.pdparams ``` 所有的评估日志都默认保存在 `./output/UNet/eval.log` ## 6. 推理 ### 6.1 模型导出 首先需要导出推理模型,例如训练好的模型参数在`./output/UNet/best_model.pdparams`,命令为 ``` python tools/export_model.py -c ./configs/denoise/unet_watermark.yaml -o Global.pretrained_model=./output/UNet/best_model.pdparams ``` 模型将自动导出到`Global.output_dir/Arch.name/inference`,其中`Global.output_dir`和`Arch.name`均在配置文件`.yaml`中。 ### 6.2 模型推理 模型导出后将使用测试数据集对模型进行推理,例如所有的测试文件都在`./test_data`中,运行命令 ``` python tools/inference.py -c ./configs/denoise/unet_watermark.yaml -o Data.Test.path=./test_data ``` 模型会将推理的结果放入`Global.output_dir/Arch.name/Img`中。
要在PyCharm导入Anaconda,按照以下步骤进行操作: 1. 打开PyCharm并创建一个新的项目。 2. 在项目设置中,点击"Project Interpreter"。 3. 在右上角点击"齿轮"图标,选择"Add..."。 4. 在弹出的对话框中选择"Existing environment"。 5. 在Interpreter栏中,浏览并选择Anaconda安装路径下的python.exe文件。(建议您先配置好Python环境变量,以防后续出错) 6. 点击连续的"OK"按钮进行确认。 7. 现在您已经成功将Anaconda配置到PyCharm中了。 这样,您就可以在PyCharm中利用Anaconda的库进行开发了。请注意,Anaconda是一个流行的数据科学和机器学习发行版,而PyCharm则是一款受欢迎的Python集成开发环境(IDE)。将它们结合使用可以提供更好的开发体验和更方便的包管理和部署。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [anaconda安装配置环境导入pycharm](https://blog.csdn.net/wkt1105436760/article/details/114952763)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Anaconda接入Pycharm的步骤](https://blog.csdn.net/YunxiaoYuji1/article/details/130548921)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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

打赏作者

木头科技

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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