深度学习与大模型第1课环境搭建

文章目录

深度学习与大模型第1课

环境搭建

1. 安装 Anaconda

首先,您需要安装 Anaconda,这是一个开源的 Python 发行版,能够简化包管理和环境管理。以下是下载链接及提取码:

安装Anaconda,需勾选上" Add Anaconda3 to myPATH environment variable"和"RegisterAnaconda3asmy defaultPython3.8"

此外,您还可以通过以下链接下载 Python 解释器及 PyCharm:

2. 修改环境变量
2.1 修改 .condarc 文件

首先,找到以下路径:
C盘-用户-电脑名-.condarc

右键使用记事本打开该文件,并添加以下内容:

yaml 复制代码
channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
2.2 使用 Anaconda Prompt 修改环境变量

打开 Anaconda Prompt(命令行界面),并执行以下命令:

bash 复制代码
conda clean -i

然后安装所需的库:

bash 复制代码
conda install pandas

执行完成后,您应该会看到类似如下的界面:

此外,您也可以使用以下命令安装其他常用库:

  • 安装 Pandas:
bash 复制代码
conda install pandas
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 Matplotlib:
bash 复制代码
conda install matplotlib
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 Scikit-learn:
bash 复制代码
conda install scikit-learn
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 安装 TensorFlow 和 Keras:
bash 复制代码
pip install tensorflow keras -i https://pypi.tuna.tsinghua.edu.cn/simple
3. 新建 .ipynb 文件

打开 Jupyter Notebook,新建一个 .ipynb 文件,并输入以下代码以确保安装成功:

python 复制代码
import pandas
import sklearn
import matplotlib

执行成功后,您应该会看到如下的界面:

机器学习基础编程:

import pandas  # 导入pandas库

print('hello Maynor!')  # 打印欢迎信息

import sklearn  # 导入sklearn库

import matplotlib  # 导入matplotlib库

import tensorflow, keras  # 导入tensorflow和keras库

input()  # 等待用户输入,暂停程序

# 获取用户输入并打印
a = input()
print(a)

# 获取用户输入并打印
a = input()
print(a)

# 获取两个整数并计算它们的和
a = int(input('请输入整数:'))
b = int(input('请输入整数:'))
print(a + b)

# 获取两个整数并计算它们的商和差
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))

# 计算商和差
quotient = a // b  # 商
difference = a - b  # 差

print("商是:", quotient)
print("差是:", difference)

# 获取两个整数并计算它们的和、差、积和商
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))

sum_result = a + b  # 和
difference = a - b  # 差
product = a * b  # 积
quotient = a // b  # 商

print("和是:", sum_result)
print("差是:", difference)
print("积是:", product)
print("商是:", quotient)

# 判断两个整数是否相等
if a == b:
    print('相等')
else:
    print('不相等')
print("结束")

# 获取两个整数并判断它们是否相等
a = int(input("请输入第一个整数: "))
b = int(input("请输入第二个整数: "))
if a == b:
    print('相等')
else:
    print('不相等')
print("结束")

# 判断一个整数是奇数还是偶数
a = int(input("请输入整数: "))
if a % 2 == 0:
    print('偶数')
else:
    print('奇数')
print("结束")

# 进一步说明判断奇数偶数的过程
a = int(input("请输入第一个整数: "))
if a % 2 == 0:
    print(f'{a % 2} 是一个整数, a % 2 = {a % 2},所以 a 是偶数')
else:
    print(f'{a % 2} 是一个整数, a % 2 = {a % 2},所以 a 是奇数')

print("结束")

# 使用for循环打印4次"here"
for i in range(4):
    print("here")

# 使用for循环打印从1到10的数字
for i in range(10):
    print(i + 1)

# 使用while循环从10开始递增直到超过10为止
i = 10
while True:
    print(i)
    i = i + 1
    if i > 10:
        break

# 使用while循环打印从0到10的数字
i = 0
while i < 11:
    print(i)
    i = i + 1

# 列表操作示例
a = [1, 2, 3, 4]
print(a)

# 访问列表的元素
a[1]

# 切片操作,访问列表的部分元素
a[0:2]
a[1:2]
a[0:6]
a[::-1]  # 逆序列表

# 字符串操作
s = 'abcd'
list(s)  # 将字符串转换为列表
s[::-1]  # 逆序字符串

# 定义并调用字符串逆序函数
def reverse(s):
    return s[::-1]

reverse(s)
reverse(input())  # 获取用户输入并逆序

# 生成1到10之间的随机整数
from random import randint
randint(1, 10)

import random  # 导入random库

# 生成1到10之间的随机数
target_number = random.randint(1, 10)
guess_count = 0  # 初始化猜测次数

# 数字猜谜游戏
while True:
    guess = input("请输入一个数字:")
    print(guess)
    if guess == target_number:
        print("猜对了")
    elif guess != target_number:
        print("猜错了")

# 生成1到10之间的随机数并进行猜数字游戏
target_number = random.randint(1, 10)
guess_count = 0

print("欢迎来到数字猜谜游戏!")

while True:
    guess = input("请猜一个数字(1-10):")
    guess_count += 1
    
    try:
        guess = int(guess)  # 尝试将输入转换为整数
    except ValueError:
        print("请输入有效的数字!")
        continue
    
    if guess < 1 or guess > 10:
        print("请输入1到10之间的数字!")
    elif guess < target_number:
        print("太小了,再试试!")
    elif guess > target_number:
        print("太大了,再试试!")
    else:
        print(f"恭喜你猜对了!目标数字就是 {target_number}。")
        print(f"你总共猜了 {guess_count} 次。")
        break

# 数字猜谜游戏简单版本
target_number = random.randint(1, 10)
guess_count = 0

while True:
    guess = int(input("请输入一个数字:"))
    guess_count += 1
    if guess == target_number:
        print(f"猜对了!你总共猜了{guess_count}次。")
        break
    elif guess > target_number:
        print("太大了")
    else:
        print("太小了")

# Turtle绘制五角星
import turtle

t = turtle.Turtle()  # 创建一个turtle对象

# 绘制五角星
for i in range(5):
    t.forward(100)
    t.right(144)

# 完成绘制
turtle.done()

# Turtle绘制七角星
t = turtle.Turtle()

# 绘制七角星
for i in range(7):
    t.forward(100)
    t.right(180 - 180/7)

# 完成绘制
turtle.done()

常见问题:

  1. Mac 修改环境变量

如果您使用的是 Mac,修改环境变量的方式略有不同。您可以使用以下命令修改 .bash_profile.zshrc 文件:

bash 复制代码
export PATH="/usr/local/anaconda3/bin:$PATH"

然后执行:

bash 复制代码
source ~/.bash_profile

bash 复制代码
source ~/.zshrc
  1. 镜像源未修改

若镜像源未修改或生效,您可能会遇到如下问题:

确保 .condarc 文件内容正确无误,并重启 Anaconda Prompt。

  1. Numpy 版本不兼容

如果您在执行代码时遇到 numpy 版本不兼容的问题,可以通过以下命令安装指定版本的 numpy

bash 复制代码
pip install numpy==1.22.4

安装完成后,重启内核即可正常运行代码:

相关推荐
2401_88304108几秒前
新锐品牌电商代运营公司都有哪些?
大数据·人工智能
AI极客菌1 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭1 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
王哈哈^_^1 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
Power20246662 小时前
NLP论文速读|LongReward:基于AI反馈来提升长上下文大语言模型
人工智能·深度学习·机器学习·自然语言处理·nlp
数据猎手小k2 小时前
AIDOVECL数据集:包含超过15000张AI生成的车辆图像数据集,目的解决旨在解决眼水平分类和定位问题。
人工智能·分类·数据挖掘
好奇龙猫2 小时前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法
沉下心来学鲁班2 小时前
复现LLM:带你从零认识语言模型
人工智能·语言模型
数据猎手小k2 小时前
AndroidLab:一个系统化的Android代理框架,包含操作环境和可复现的基准测试,支持大型语言模型和多模态模型。
android·人工智能·机器学习·语言模型
YRr YRr3 小时前
深度学习:循环神经网络(RNN)详解
人工智能·rnn·深度学习