深度学习1.5-pip命令学习

pip使用了安装、卸载、管理各种包的工具,我的理解是python只是一个基本的平台,我们要实现各种功能的时候还需要各种包,这些包就是别人造好的轮子,我们要快速的造汽车,而不是要从头开始造轮子。pip就是专门用来帮我我们得到这些包的工具。下面记录一些我常用的命令,网上的信息很全,我记录下来以后用的时候就很方便了。

  1. 安装包
    假如我要安装Django包,并且指定版本为1.7,直接用下一行命令就可以了。

    pip install Django==1.7

  2. 显示自己已经安装好的包

    pip list

他就会列出来你已经安装好的包,就像我下面这样的

复制代码
Package           Version
----------------- --------
filelock          3.16.1
fsspec            2025.3.0
Jinja2            3.1.6
MarkupSafe        2.1.5
mpmath            1.3.0
networkx          3.1
numpy             1.24.4
pillow            10.4.0
pip               24.2
setuptools        75.1.0
sympy             1.13.3
torch             2.4.1
torchaudio        2.4.1
torchvision       0.19.1
typing_extensions 4.13.2
wheel             0.44.0

它列出来了安装好的包的名字的和版本。当然这些信息很有限,因此可以用如下命令详细查看某个包的信息。

  1. 显示某个包的详细信息

比如我们要看mpmath包的详细信息,可以通如下命令:

复制代码
pip show mpmath

显示信息如下

复制代码
Name: mpmath
Version: 1.3.0
Summary: Python library for arbitrary-precision floating-point arithmetic
Home-page: http://mpmath.org/
Author: Fredrik Johansson
Author-email: fredrik.johansson@gmail.com
License: BSD
Location: d:\myanaconda\envs\envtest\lib\site-packages
Requires: 
Required-by: sympy

以上信息可知,这个包是用于浮点运算,它还给出来编写这个包的作者的名字和邮箱,这说明这些包是一些行业专家编写好之后共享给大家使用的。还有一个重要信息,就是包的依赖关系,上面显示这个包是sympy包所必须的,比如我安装了一扇车门,那这扇车门上需要门把手、车窗玻璃等其他包。它是一种上下级抽象的关系。

  1. 更详细的信息

如果你觉得这个还不够详细,你可以使用以下命令:

复制代码
pip show -f SomePackage

他会列出来包"somepackage"包中所包含的所有文件。

相关推荐
wang_chao1187 小时前
Yolov5训练自定义数据集的步骤
深度学习·yolo·计算机视觉
weixin_402939998 小时前
【大模型】stable-diffusion-3.0和3.5模型训练
深度学习·stable diffusion
一代明君Kevin学长8 小时前
Transformer为什么使用多个注意力头?
人工智能·深度学习·transformer
小喵要摸鱼8 小时前
深度强化学习 Deep Q-learning:把深度学习引入强化学习
深度学习·强化学习
zhaodiandiandian9 小时前
从深度学习到大模型,AI技术演进的机遇与挑战
人工智能·深度学习
ekprada9 小时前
Day50 - 预训练模型与CBAM集成
人工智能·深度学习·机器学习
BigerBang9 小时前
LoRA 全方位指南:从底层原理到 Qwen-Image-Edit 实战
人工智能·pytorch·深度学习·算法
这张生成的图像能检测吗9 小时前
(论文速读)GCN:基于图卷积网络的半监督分类
人工智能·深度学习·半监督·图神经网络·分类模型
Coovally AI模型快速验证10 小时前
深度学习驱动的视频异常检测(VAD),AI如何让监控更智能?
人工智能·深度学习·目标检测·机器学习·自动驾驶·无人机
西西弗Sisyphus10 小时前
最基础的神经网络可视化 包括源码
人工智能·深度学习·神经网络·mlp