Tips
Go
(18条消息) Go语言自学系列 | golang包_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发编程之channel的遍历_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发编程之select switch_COCOgsta的博客-CSDN博客_golang select switch
(18条消息) Go语言自学系列 | golang并发编程之runtime包_COCOgsta的博客-CSDN博客_golang runtime包
(18条消息) Go语言自学系列 | golang接口值类型接收者和指针类型接收者_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发编程之Timer_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang方法_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发编程之WaitGroup实现同步_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang构造函数_COCOgsta的博客-CSDN博客_golang 构造函数
(18条消息) Go语言自学系列 | golang方法接收者类型_COCOgsta的博客-CSDN博客_golang 方法接收者
(18条消息) Go语言自学系列 | golang接口_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang接口和类型的关系_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang结构体_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang结构体_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang标准库os模块 - File文件读操作_COCOgsta的博客-CSDN博客_golang os.file
(18条消息) Go语言自学系列 | golang继承_COCOgsta的博客-CSDN博客_golang 继承
(18条消息) Go语言自学系列 | golang嵌套结构体_COCOgsta的博客-CSDN博客_golang 结构体嵌套
(18条消息) Go语言自学系列 | golang并发编程之Mutex互斥锁实现同步_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发变成之通道channel_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang并发编程之原子操作详解_COCOgsta的博客-CSDN博客_golang 原子操作
(18条消息) Go语言自学系列 | golang并发编程之原子变量的引入_COCOgsta的博客-CSDN博客_go 原子变量
(18条消息) Go语言自学系列 | golang并发编程之协程_COCOgsta的博客-CSDN博客_golang 协程 并发
(18条消息) Go语言自学系列 | golang接口嵌套_COCOgsta的博客-CSDN博客_golang 接口嵌套
(18条消息) Go语言自学系列 | golang包管理工具go module_COCOgsta的博客-CSDN博客_golang 包管理器
(18条消息) Go语言自学系列 | golang标准库os模块 - File文件写操作_COCOgsta的博客-CSDN博客_go os模块
(18条消息) Go语言自学系列 | golang结构体的初始化_COCOgsta的博客-CSDN博客_golang 结构体初始化
(18条消息) Go语言自学系列 | golang通过接口实现OCP设计原则_COCOgsta的博客-CSDN博客
(18条消息) Go语言自学系列 | golang标准库os包进程相关操作_COCOgsta的博客-CSDN博客_golang os包
(18条消息) Go语言自学系列 | golang标准库ioutil包_COCOgsta的博客-CSDN博客_golang ioutil
(18条消息) Go语言自学系列 | golang标准库os模块 - 文件目录相关_COCOgsta的博客-CSDN博客_go语言os库
Golang技术栈,Golang文章、教程、视频分享!
(18条消息) Go语言自学系列 | golang结构体指针_COCOgsta的博客-CSDN博客_golang 结构体指针
Ansible
太厉害了,终于有人能把Ansible讲的明明白白了,建议收藏_互联网老辛
ansible.cfg配置详解
Docker
Docker部署
linux安装docker和Docker Compose
linux 安装 docker
Docker中安装Docker遇到的问题处理
Docker常用命令
docker常用命令小结
docker 彻底卸载
Docker pull 时报错:Get https://registry-1.docker.io/v2/library/mysql: net/http: TLS handshake timeout
Docker 拉镜像无法访问 registry-x.docker.io 问题(Centos7)
docker 容器内没有权限
Linux中关闭selinux的方法是什么?
docker run 生成 docker-compose
Docker覆盖网络部署
docker pull后台拉取镜像
docker hub
Redis
Redis 集群别乱搭,这才是正确的姿势
linux_离线_redis安装
怎么实现Redis的高可用?(主从、哨兵、集群) - 雨点的名字 - 博客园
redis集群离线安装
always-show-logo yes
Redis集群搭建及原理
[ERR] Node 172.168.63.202:7001 is not empty. Either the nodealready knows other nodes (check with CLUSTER NODES) or contains some - 亲爱的不二999 - 博客园
Redis daemonize介绍
redis 下载地址
Redis的redis.conf配置注释详解(三) - 云+社区 - 腾讯云
Redis的redis.conf配置注释详解(一) - 云+社区 - 腾讯云
Redis的redis.conf配置注释详解(二) - 云+社区 - 腾讯云
Redis的redis.conf配置注释详解(四) - 云+社区 - 腾讯云
Linux
在终端连接ssh的断开关闭退出的方法
漏洞扫描 - 灰信网(软件开发博客聚合)
find 命令的参数详解
vim 编辑器搜索功能
非root安装rpm时,mockbuild does not exist
Using a SSH password instead of a key is not possible because Host Key checking
(9条消息) 安全扫描5353端口mDNS服务漏洞问题_NamiJava的博客-CSDN博客_5353端口
Linux中使用rpm命令安装rpm包
ssh-copy-id非22端口的使用方法
How To Resolve SSH Weak Key Exchange Algorithms on CentOS7 or RHEL7 - infotechys.com
Linux cp 命令
yum 下载全量依赖 rpm 包及离线安装(终极解决方案) - 叨叨软件测试 - 博客园
How To Resolve SSH Weak Key Exchange Algorithms on CentOS7 or RHEL7 - infotechys.com
RPM zlib 下载地址
运维架构网站
欢迎来到 Jinja2
/usr/local/bin/ss-server -uv -c /etc/shadowsocks-libev/config.json -f /var/run/s
ruby 安装Openssl 默认安装位置
Linux 常用命令学习 | 菜鸟教程
linux 重命名文件和文件夹
linux命令快速指南
ipvsadm
Linux 下查找日志中的关键字
Linux 切割大 log 日志
CentOS7 关于网络的设置
rsync 命令_Linux rsync 命令用法详解:远程数据同步工具
linux 可视化界面安装
[问题已处理]-执行yum卡住无响应
GCC/G++升级高版本
ELK
Docker部署ELK
ELK+kafka+filebeat+Prometheus+Grafana - SegmentFault 思否
(9条消息) Elasticsearch设置账号密码_huas_xq的博客-CSDN博客_elasticsearch设置密码
Elasticsearch 7.X 性能优化
Elasticsearch-滚动更新
Elasticsearch 的内存优化_大数据系统
Elasticsearch之yml配置文件
ES 索引为Yellow状态
Logstash:Grok filter 入门
logstash grok 多项匹配
Mysql
Mysql相关Tip
基于ShardingJDBC实现数据库读写分离 - 墨天轮
MySQL-MHA高可用方案
京东三面:我要查询千万级数据量的表,怎么操作?
OpenStack
(16条消息) openstack项目中遇到的各种问题总结 其二(云主机迁移、ceph及扩展分区)_weixin_34104341的博客-CSDN博客
OpenStack组件介绍
百度大佬OpenStack流程
openstack各组件介绍
OpenStack生产实际问题总结(一)
OpenStack Train版离线部署
使用Packstack搭建OpenStack
K8S
K8S部署
K8S 集群部署
kubeadm 重新 init 和 join-pudn.com
Kubernetes 实战总结 - 阿里云 ECS 自建 K8S 集群 Kubernetes 实战总结 - 自定义 Prometheus
【K8S实战系列-清理篇1】k8s docker 删除没用的资源
Flannel Pod Bug汇总
Java
Jdk 部署
JDK部署
java线程池ThreadPoolExecutor类使用详解 - bigfan - 博客园
ShardingJDBC实现多数据库节点分库分表 - 墨天轮
Maven Repository: Search/Browse/Explore
其他
Git在阿里,我们如何管理代码分支?
chrome F12调试网页出现Paused in debugger
体验IntelliJ IDEA的远程开发(Remote Development) - 掘金
Idea远程调试
PDF转MD
强哥分享干货
优秀开源项目集合
vercel 配合Github 搭建项目Doc门户
如何用 Github Issues 写技术博客?
Idea 2021.3 Maven 3.8.1 报错 Blocked mirror for repositories 解决
列出maven依赖
[2022-09 持续更新] 谷歌 google 镜像 / Sci-Hub 可用网址 / Github 镜像可用网址总结
阿里云ECS迁移
linux访问github
一文教你使用 Docker 启动并安装 Nacos-腾讯云开发者社区-腾讯云
Nginx
Nginx 部署
Nginx 部署安装
Nginx反向代理cookie丢失的问题_longzhoufeng的博客-CSDN博客_nginx 代理后cookie丢失
Linux 系统 Https 证书生成与Nginx配置 https
数据仓库
实时数仓
松果出行 x StarRocks:实时数仓新范式的实践之路
实时数据仓库的一些分层和分层需要处理的事情,以及数据流向
湖仓一体电商项目
湖仓一体电商项目(一):项目背景和架构介绍
湖仓一体电商项目(二):项目使用技术及版本和基础环境准备
湖仓一体电商项目(三):3万字带你从头开始搭建12个大数据项目基础组件
数仓笔记
数仓学习总结
数仓常用平台和框架
数仓学习笔记
数仓技术选型
尚硅谷教程
尚硅谷学习笔记
尚硅谷所有已知的课件资料
尚硅谷大数据项目之尚品汇(11数据质量管理V4.0)
尚硅谷大数据项目之尚品汇(10元数据管理AtlasV4.0)
尚硅谷大数据项目之尚品汇(9权限管理RangerV4.0)
尚硅谷大数据项目之尚品汇(8安全环境实战V4.0)
尚硅谷大数据项目之尚品汇(7用户认证KerberosV4.1)
尚硅谷大数据项目之尚品汇(6集群监控ZabbixV4.1)
尚硅谷大数据项目之尚品汇(5即席查询PrestoKylinV4.0)
尚硅谷大数据项目之尚品汇(4可视化报表SupersetV4.0)
尚硅谷大数据项目之尚品汇(3数据仓库系统)V4.2.0
尚硅谷大数据项目之尚品汇(2业务数据采集平台)V4.1.0
尚硅谷大数据项目之尚品汇(1用户行为采集平台)V4.1.0
数仓治理
数据中台 元数据规范
数据中台的那些 “经验与陷阱”
2万字详解数据仓库数据指标数据治理体系建设方法论
数据仓库,为什么需要分层建设和管理? | 人人都是产品经理
网易数帆数据治理演进
数仓技术
一文看懂大数据生态圈完整知识体系
阿里云—升舱 - 数据仓库升级白皮书
最全企业级数仓建设迭代版(4W字建议收藏)
基于Hue,Dolphinscheduler,HIVE分析数据仓库层级实现及项目需求案例实践分析
详解数据仓库分层架构
数据仓库技术细节
大数据平台组件介绍
总览 2016-2021 年全球机器学习、人工智能和大数据行业技术地图
Apache DolphinScheduler 3.0.0 正式版发布!
数据仓库面试题——介绍下数据仓库
数据仓库为什么要分层,各层的作用是什么
Databend v0.8 发布,基于 Rust 开发的现代化云数据仓库 - OSCHINA - 中文开源技术交流社区
数据中台
数据中台设计
大数据同步工具之 FlinkCDC/Canal/Debezium 对比
有数数据开发平台文档
Shell
Linux Shell 命令参数
shell 脚本编程
一篇教会你写 90% 的 Shell 脚本
Kibana
Kibana 查询语言(KQL)
Kibana:在 Kibana 中的四种表格制作方式
Kafka
Kafka部署
canal 动态监控 Mysql,将 binlog 日志解析后,把采集到的数据发送到 Kafka
OpenApi
OpenAPI 标准规范,了解一下?
OpenApi学术论文
贵阳市政府数据开放平台设计与实现
OpenAPI简介
开放平台:运营模式与技术架构研究综述
管理
技术部门Leader是不是一定要技术大牛担任?
华为管理体系流程介绍
DevOps
*Ops
XOps 已经成为一个流行的术语 - 它是什么?
Practical Linux DevOps
Jenkins 2.x实践指南 (翟志军)
Jenkins 2权威指南 ((美)布伦特·莱斯特(Brent Laster)
DevOps组件高可用的思路
KeepAlived
VIP + KEEPALIVED + LVS 遇到Connection Peer的问题的解决
MinIO
MinIO部署
Minio 分布式集群搭建部署
Minio 入门系列【16】Minio 分片上传文件 putObject 接口流程源码分析
MinioAPI 浅入及问题
部署 minio 兼容 aws S3 模式
超详细分布式对象存储 MinIO 实战教程
Hadoop
Hadoop 部署
Hadoop集群部署
windows 搭建 hadoop 环境(解决 HADOOP_HOME and hadoop.home.dir are unset
Hadoop 集群搭建和简单应用(参考下文)
Hadoop 启动 NameNode 报错 ERROR: Cannot set priority of namenode process 2639
jps 命令查看 DataNode 进程不见了 (hadoop3.0 亲测可用)
hadoop 报错: Operation category READ is not supported in state standby
Spark
Spark 部署
Spark 集群部署
spark 心跳超时分析 Cannot receive any reply in 120 seconds
Spark学习笔记
apache spark - Failed to find data source: parquet, when building with sbt assembly
Spark Thrift Server 架构和原理介绍
InLong
InLong 部署
Apache InLong部署文档
安装部署 - Docker 部署 - 《Apache InLong v1.2 中文文档》 - 书栈网 · BookStack
基于 Apache Flink SQL 的 InLong Sort ETL 方案解析
关于 Apache Pulsar 在 Apache InLong 接入数据
zookeeper
zookeeper 部署
使用 Docker 搭建 Zookeeper 集群
美团技术团队
StarRocks
StarRocks技术白皮书(在线版)
JuiceFS
AI 场景存储优化:云知声超算平台基于 JuiceFS 的存储实践
JuiceFS 在 Elasticsearch/ClickHouse 温冷数据存储中的实践
JuiceFS format
元数据备份和恢复 | JuiceFS Document Center
JuiceFS 元数据引擎选型指南
Apache Hudi 使用文件聚类功能 (Clustering) 解决小文件过多的问题
普罗米修斯
k8s 之 Prometheus(普罗米修斯)监控,简单梳理下 K8S 监控流程
k8s 部署 - 使用helm3部署监控prometheus(普罗米修斯),从零到有,一文搞定
k8s 部署 - 使用 helm3 部署监控 prometheus(普罗米修斯),从零到有,一文搞定
k8s 部署 - 如何完善 k8s 中 Prometheus(普罗米修斯)监控项目呢?
k8s 部署 - k8s 中 Prometheus(普罗米修斯)的大屏展示 Grafana + 监控报警
zabbix
一文带你掌握 Zabbix 监控系统
Stream Collectors
Nvidia
Nvidia API
CUDA Nvidia驱动安装
NVIDIA驱动失效简单解决方案:NVIDIA-SMI has failed because it couldn‘t communicate with the NVIDIA driver.
ubuntu 20 CUDA12.1安装流程
nvidia开启持久化模式
nvidia-smi 开启持久化
Harbor
Harbor部署文档
Docker 爆出 it doesn't contain any IP SANs
pandoc
其他知识
大模型
COS 597G (Fall 2022): Understanding Large Language Models
如何优雅的使用各类LLM
ChatGLM3在线搜索功能升级
当ChatGLM3能用搜索引擎时
OCR神器,PDF、数学公式都能转
Stable Diffusion 动画animatediff-cli-prompt-travel
基于ERNIE Bot自定义虚拟数字人生成
pika负面提示词
开通GPT4的方式
GPT4网站
低价开通GPT Plus
大模型应用场景分享
AppAgent AutoGPT变体
机器学习
最大似然估计
权衡偏差(Bias)和方差(Variance)以最小化均方误差(Mean Squared Error, MSE)
伯努利分布
方差计算公式
均值的高斯分布估计
没有免费午餐定理
贝叶斯误差
非参数模型
最近邻回归
表示容量
最优容量
权重衰减
正则化项
Sora
Sora官方提示词
看完32篇论文,你大概就知道Sora如何炼成? |【经纬低调出品】
Sora论文
Sora 物理悖谬的几何解释
Sora 技术栈讨论
RAG垂直落地
DB-GPT与TeleChat-7B搭建相关RAG知识库
ChatWithRTX
ChatRTX安装教程
ChatWithRTX 踩坑记录
ChatWithRTX 使用其他量化模型
ChatWithRTX介绍
RAG 相关资料
英伟达—大模型结合 RAG 构建客服场景自动问答
又一大模型技术开源!有道自研RAG引擎QAnything正式开放下载
收藏!RAG入门参考资料开源大总结:RAG综述、介绍、比较、预处理、RAG Embedding等
RAG调研
解决现代RAG实际生产问题
解决现代 RAG 系统中的生产问题-II
Modular RAG and RAG Flow: Part Ⅰ
Modular RAG and RAG Flow: Part II
先进的Retriever技术来增强你的RAGs
高级RAG — 使用假设文档嵌入 (HyDE) 改进检索
提升 RAG:选择最佳嵌入和 Reranker 模型
LangGraph
增强型RAG:re-rank
LightRAG:使用 PyTorch 为 LLM 应用程序提供支持
模型训练
GPU相关资料
[教程] conda安装简明教程(基于miniconda和Windows)
PyTorch CUDA对应版本 | PyTorch
资料
李一舟课程全集
零碎资料
苹果各服共享ID
数据中心网络技术概览
华为大模型训练学习笔记
百度AIGC工程师认证考试答案(可换取工信部证书)
百度智能云生成式AI认证工程师 考试和证书查询指南
深入理解 Megatron-LM(1)基础知识
QAnything
接入QAnything的AI问答知识库,可私有化部署的企业级WIKI知识库
wsl --update失效Error code: Wsl/UpdatePackage/0x80240438的解决办法
Docker Desktop 启动docker engine一直转圈解决方法
win10开启了hyper-v,docker 启动还是报错 docker desktop windows hypervisor is not present
WSL虚拟磁盘过大,ext4迁移 Windows 中创建软链接和硬链接
WSL2切换默认的Linux子系统
Windows的WSL子系统,自动开启sshd服务
新版docker desktop设置wsl(使用windown的子系统)
WSL 开启ssh
Windows安装网易开源QAnything打造智能客服系统
芯片
国内互联网大厂自研芯片梳理
超算平台—算力供应商
Linux 磁盘扩容
Linux使用growpart工具进行磁盘热扩容(非LVM扩容方式)
关于centos7 扩容提示no tools available to resize disk with 'gpt' - o夜雨随风o - 博客园
(小插曲)neo4j配置apoc插件后检查版本发现:Unknown function ‘apoc.version‘ “EXPLAIN RETURN apoc.version()“
vfio-pci与igb_uio映射硬件资源到DPDK的流程分析
KubeVirt
vnc server配置、启动、重启与连接 - 王约翰 - 博客园
虚拟机Bug解决方案
kubevirt 如何通过CDI上传镜像文件
在 K8S 上也能跑 VM!KubeVirt 簡介與建立(部署篇) | Cloud Solutions
KubeVirt 04:容器化数据导入 – 小菜园
Python
安装 flash_attn
手把手教你在linux上安装pytorch与cuda
AI
在启智社区基于PyTorch运行国产算力卡的模型训练实验
Scaling law
免费的GPT3.5 API
AI Engineer Roadmap & Resources 🤖
模型排行
-
+
首页
[教程] conda安装简明教程(基于miniconda和Windows)
Conda是一个在Windows、macOS、Linux和z/OS上运行的开源软件包管理系统和环境管理系统。Conda快速安装、运行和更新软件包及其依赖项。Conda可以在本地计算机上轻松创建、保存、加载和切换环境。它是为Python程序创建的,但它可以为任何语言打包和分发软件。 上面是从官网抄的. 人话来讲就是: 如果你是Python, R, Ruby, Lua, Scala, Java, JavaScript, C/ C++, Fortran等语言的程序员, 而且你已经受够了各种库/包(libraries/package)之间的乱七八糟的依赖关系和冲突, 那么conda适合你. 换而言之, conda使得人类可以在一台计算机的一个操作系统中同时安装多个版本的解释器和各种库, 而在需要使用特定版本的时候可以单拎出来, 无需重新安装或者面临各种冲突. 虽然conda支持很多语言, 但是估计大家用的最多的就是使用conda的Python项目吧 (例如机器学习, 数据处理之类的). 所以本文将讲解关于运行Python程序的围绕conda安装方法与使用方法. 这只是我在安装时的一个记录, 可能有不正确的地方或者不够好的地方, 仅供参考(以及作为我自己的备忘录). - **本教程可能更适合**非计算机专业的电脑用的很拉跨的人用来参考(因为很详细), 同时计算机相关专业的同伙也可以参考参考, 并提出些许意见. - **本教程安装的是miniconda,** 这是一个比anaconda小的conda版本, 轻量, 只包含conda的基础功能 (不包括anaconda的那个IDE一样的东西和其他乱七八糟的一大堆库.........anaconda非常笨重, 而且自带的功能稍许臃肿, 大多数情况应该用不到这么多, 并且我有vsc作为编辑器, 所以要这么多干啥? 这个就很好用. 我曾经安装anaconda直接被它那一大堆工具给弄懵了...... - **我用的是VSC**, 但是如果你用pycharm或者其他的什么, 都可以, 这个无妨. 我感觉vsc带上插件的功能对于Python是够用的, 至少pycharm能干的它也基本能干, 而且vsc还能写其他代码. - 操作里可能需要**管理员权限**, 请确保你有计算机的权限. - **教程基于Windows.** - 你的计算机至少要能比较方便的上网. 最后, 简要介绍几个conda的操作 (比如新建环境, 激活环境啥的), 然后简单安装个PyTorch的cuda版本. 如果你有地方和这里写的不同, 那么一些过程可能不同, 因为我只安装了一次, 所以我也不知道哪里不同会产生什么后果........最好跟着做吧. 开始. > 别急, 我有话要说.......计算机技术是一个进步非常快的行业, 所以类似于本文的各种教程, 很多都会随着时间的改变而发生略微变化...我的建议是, 如果有些地方, 实际操作和教程对应不上, 那么可以稍微思考一下, 因为一般都是微调. 比如后文关于初始化conda环境的地方, 之前是在安装目录下, 然而我发现新版似乎变为了安装目录/condabin/下. 像这种, 大家可以灵活处理. 关于为什么有这个提示.... > > 因为太多的人是真的没有一点灵活处理问题的能力啊.... ## 1\. 卸载残余的Python 这里假设你的计算机上已经有一个Python版本了. 如果你从未安装Python, 请跳过. 理论上不卸载也可以, 但是为了避免后面可能遇见的各种冲突和不兼容, 同时为了节省宝贵的磁盘空间, 还是卸载了吧. 毕竟安装conda时会带一个Python. ### 1.1. 在控制面板卸载 如图 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2606010.8952989846610261.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1162650.19380861296413843.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2984310.6647594569704253.jpeg) 点击名称来按照字母排序, 在上面红圈"P"打头的地方找到你安装过的Python, 右键卸载掉 (我已经卸载了, 所以请假装那里有一个Python). ### 1.2. 清理门户 主要是清理环境变量和残留的包. ### 1.2.1. 删除残留的文件 (可以不做) 重点排查以下位置, 是否有`Python`以及一些有关系的文字? 如果有, 那么确认是Python的东西就可以删了 (如果一些东西是其他程序的依赖, 那么别轻易删除), 注意这里的路径可能有一些是隐藏文件, 需要开启隐藏文件显示, 或者直接在路径栏输入然后回车. 不会的话请善用搜索: ```text C:\Program Files C:\Program Files (x86) C:\ C:\Users\%这里替换成你的用户名%\AppData\Local C:\Users\%这里替换成你的用户名%\AppData\Roaming ``` 比如这个就是Python相关的 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1303490.04865868090816572.jpeg) 如果你的Windows是中文的, 那么系统可能贴心的把`users`给你汉化了, 如图 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1151960.7781390050467168.jpeg) 然后就是这里几个文件夹, 一个是公用, 另一个大概率就是你的用户名了, 选择你的账户双击进去就行. 如果你不知道你什么名字............ ### 1.2.2. 清理环境变量 之前的Python大概率是加入到系统的path的, 需要删了相关的路径. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1917380.6565013158028989.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2074370.40651058229388337.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205057_0416640.0026634939946084124.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_6175770.17074712579441298.jpeg) 类似于这种和Python沾边的可以删除了. (看路径中是否包含Python, 然后确认下只有Python在用这个, 别删错了) 一般来说会有几个地方, 一个是`..../Python/`, 一个是`..../Python/bin`, 一个是上面圈起来的. 还有一些相关的.........理论上只要包含Python关键字的删了应该都没啥事, 除非你把什么东西给顺路装到这里了. 由于conda的特殊性, 安装conda后不用设置环境变量. conda使用PowerShell的加载项来实现虚拟环境加载. 到这里, 清理工作就差不多了. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205055_9606020.7141993687545454.jpeg) ## 2\. conda的安装 这里下载miniconda, Miniconda是conda的免费最小安装程序。它是Anaconda的一个小型引导版本,只包含conda、Python、它们所依赖的包,以及少量其他有用的包,包括pip、zlib和其他一些包。使用conda install命令从Anaconda存储库安装720+个额外的conda包。 当然你也可以下载anaconda并安装, 差不多的. ### 2.1. 下载 这是官网文档: [](https://link.zhihu.com/?target=https%3A//docs.conda.io/en/latest/miniconda.html) 当然你不会看文档的, 所以这里**下载** (国内镜像, 快): [](https://link.zhihu.com/?target=https%3A//mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/) 找个最新版本就行了, 比如我在2022年12月12日用的这个: ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205055_9645560.9405220329025191.jpeg) Windows而且是64位x86处理器那么选择这个就行. ### 2.2. 安装 Windows图形界面下, 双击, 安装就行. 相信大家都没啥问题.[\[1\]](#ref_1) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_0143180.8368424757474.jpeg) 这里建议选给所有用户安装. **安装地址的话,** 我是默认c盘的, 因为conda创建虚拟环境的位置可以设置的, 而我又喜欢把程序放到c盘 (有仪式感), 所以不妨设定一个`c:/miniconda/`即可. 注意路径不能有空格, 所以不能放在`c:/Program Files`, 之类的位置. 然后这里 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1632450.8842133104383805.jpeg) 如果你选的为所有用户安装, 那么第一个对勾应该是不能选择的, 会告诉你稍后需要简单手动设置一个环境变量. 第二个勾上 (会安装你下载的miniconda那个版本的Python). 安装成功后就完事了. ### 2.3. 初始化conda到全局PowerShell 我习惯用PowerShell作为shell去操作. 这玩意更类似于Linux的操作逻辑, 比cmd不知道高到哪里去了. 而且vsc默认的也是PowerShell. 首先移步到你安装miniconda的路径去打开其下的condabin文件夹, , **按住键盘shift然后右键单击文件夹空白部分**, 打开一个PowerShell ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2274120.6820307126998281.jpeg) 然后输入: conda会运行一些东西, 把自己注册到PowerShell上, 下次你启动PowerShell就会自动加载环境了. 类似于这样: ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205055_9442810.9289038784157835.jpeg) 就会自动加载环境 然而这里可能有两个问题: - 最后可能报错, 翻译过来大概是"权限不够"的意思. 此时你需要使用管理员权限, 启动一个管理员PowerShell窗口重试就行了. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2130690.09238049783512114.jpeg) 启动之后用`cd`命令移步过去, 例如`cd c:/miniconda/condabin/`这样, 只要到目的地就行, 可以利用tab键自动补全. - 然后就是你会发现, conda init后, 每次打开PowerShell都会慢大概1~1.5s, 这是没办法的事情, conda init的原理是运行一段脚本, 改变PowerShell的启动方式, 使其启动的时候运行加载虚拟环境的命令. 虽然会变慢, 但是其实无妨, 加载的时候仍旧可以输入你的命令, 只不过等待加载完了才一股脑显示出来. 所以无需担心计算机跟不上你的思维速度. (键盘输入到stdin缓冲区的). 同时, conda的这个初始化不影响PowerShell正常使用. 而且这也是vsc兼容conda的唯一方式[\[2\]](#ref_2) ### 2.4. 添加环境变量 最好把这个添加到path中: ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_6021560.11206928552278861.jpeg) 因为这个是base(默认基础)环境的pip安装的包的位置, 有时候一些工具会在这里, 这样以后使用包的时候方便些 (比如pyuic5之类的). 添加path的方法和前文介绍的反着来就行. 右边`新建`按钮. **20230512更新:** 注意, 在base环境中安装基本模块 (比如格式化代码用的yapf或者autopep8) 时应该使用管理员权限来执行 pip install, 否则pip没有权限写入信息到miniconda的安装目录中, 会自动重定向到处于 %username%/AppData/local/python/script 下 (大概是这个目录, 我不知道我记忆正确否). 不方便管理. 如果你是在其他磁盘或位置安装的miniconda那么应该不会面临权限问题. 如果你是默认安装目录, 并且保持在base下使用pip时使用管理员权限的良好习惯 (实际上base环境应该不至于天天安装新东西), 那么再把下面3个环境变量加一下. 参考我的安装目录自己找找. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_3622120.8049344503032774.jpeg) 这个好处是, 如果你用vsc的话, 能自动找到conda环境并且可以很方便的激活了. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1872600.5074311170884716.jpeg) ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2943090.9301718404213732.jpeg) 点击一下, 快速切换工作环境 你看这是多么的方便. ## 3\. conda的使用 安装完了, 如果没出什么幺蛾子的话, 你可以开始了. 不过在这之前, 最好做以下操作. ### 3.1. 切换源 众所周知, 我们中国大陆的国际出口带宽目前很低, 所以直接pip install或者conda install会很慢, 请做如下设置使用国内镜像加速下载: - 编辑 `C:\Users\%你的用户名%\pip\pip.ini`, 如果没有就新建文件夹/ 文件, 搞出来一个就行了. 记得正确编辑扩展名`.ini`, 我觉得这不是问题. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205055_9868660.10333783828453802.jpeg) 双击编辑, 添加以下内容 ```text [global] index-url = https://pypi.tuna.tsinghua.edu.cn/simple [install] trusted-host = pypi.tuna.tsinghua.edu.cn ``` 这个设置了pip默认从清华源搞资源. 国内赛尔网络是很快的. 以后就可以快乐的pip了. - 然后设置下conda的, 去编辑`C:\Users\ngc13\.condarc`这个文件, 没有就创建一个. ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_1639680.009969663006431984.jpeg) 里面写入以下设置文字(可以右键-其他方式打开-记事本), 注意我把大部分设置都注释掉了(这样conda会使用默认值, 注释是每行开头的`#`符号, 你仔细看就会发现保留的地方是换源的操作). 当更改了这个文件之后, 下次就会自动使用这里的配置了. ```text # add_anaconda_token: True # add_pip_as_python_dependency: True # aggressive_update_packages: # - ca-certificates # - certifi # - openssl # allow_conda_downgrades: False # allow_cycles: True # allow_non_channel_urls: False # allow_softlinks: False # always_copy: False # always_softlink: False # always_yes: None # anaconda_upload: None auto_activate_base: True # auto_stack: 0 # auto_update_conda: True # bld_path: # changeps1: True # channel_alias: https://conda.anaconda.org # channel_priority: flexible # https://blog.csdn.net/egoyang123/article/details/106595117 channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - defaults # client_ssl_cert: None # client_ssl_cert_key: None # clobber: False # conda_build: {} # create_default_packages: [] # croot: C:\Users\ngc13\conda-bld # custom_channels: # pkgs/main: https://repo.anaconda.com # pkgs/r: https://repo.anaconda.com # pkgs/msys2: https://repo.anaconda.com # pkgs/pro: https://repo.anaconda.com # custom_multichannels: # defaults: # - https://repo.anaconda.com/pkgs/main # - https://repo.anaconda.com/pkgs/r # - https://repo.anaconda.com/pkgs/msys2 # local: # debug: False # default_channels: # - https://repo.anaconda.com/pkgs/main # - https://repo.anaconda.com/pkgs/r # - https://repo.anaconda.com/pkgs/msys2 default_python: 3.9 #default_threads: None # deps_modifier: not_set # dev: False # disallowed_packages: [] # download_only: False # dry_run: False # enable_private_envs: False env_prompt: ({default_env}) envs_dirs: - E:\conda_env\envs - C:\Users\ngc13\.conda\envs - C:\Python\MiniConda\envs - C:\Users\ngc13\AppData\Local\conda\conda\envs # error_upload_url: https://conda.io/conda-post/unexpected-error # execute_threads: 1 # experimental_solver: classic # extra_safety_checks: False # force: False # force_32bit: False # force_reinstall: False # force_remove: False # ignore_pinned: False # json: False # local_repodata_ttl: 1 # migrated_channel_aliases: [] # migrated_custom_channels: {} # non_admin_enabled: True # notify_outdated_conda: True # offline: False # override_channels_enabled: True # path_conflict: clobber # pinned_packages: [] # pip_interop_enabled: False pkgs_dirs: - E:\conda_env\pkgs - C:\Python\MiniConda\pkgs - C:\Users\ngc13\.conda\pkgs - C:\Users\ngc13\AppData\Local\conda\conda\pkgs # proxy_servers: {} # quiet: False remote_backoff_factor: 1 remote_connect_timeout_secs: 9.15 remote_max_retries: 3 remote_read_timeout_secs: 60.0 # repodata_fns: # - current_repodata.json # - repodata.json # repodata_threads: None # report_errors: None # restore_free_channel: False # rollback_enabled: True # root_prefix: C:\Python\MiniConda # safety_checks: warn # sat_solver: pycosat # separate_format_cache: False # shortcuts: True show_channel_urls: True # signing_metadata_url_base: None # solver_ignore_timestamps: False # ssl_verify: True # subdir: win-64 # subdirs: # - win-64 # - noarch # target_prefix_override: # track_features: [] # unsatisfiable_hints: True # unsatisfiable_hints_check_depth: 2 # update_modifier: update_specs # use_index_cache: False # use_local: False # use_only_tar_bz2: False # verbosity: 0 # verify_threads: 1 # whitelist_channels: [] ``` **但是不要直接复制我这个!** 抄作业好歹得改一下, 大概要改以下的位置(如果你有些安装不是默认的, 那么可能还要改的更多): 1. 我的用户名ngc13换成你的 2. 我的安装路径换成你的 3. 其他的路径最好也检查下 4. 里面`pkgs_dirs:`和`envs_dirs:`的第一项, 这个是我设置的, 你可以照猫画虎, 自己在其他磁盘新建一些文件夹, 然后设置为你创建的文件夹的路径, **这个操作会将新建的conda环境安装到你设置的位置**而不会浪费c盘空间. 说实话conda多建立几个环境后体积大的离谱, 所以最好把所谓的"数据库"一样的东西放到其他地方. ### 3.2. 设置创建新环境的默认位置 上面已经说了. 这里就不说了. 简要介绍下: conda有一个基础环境`base`环境, 是你启动PowerShell或者conda的终端后看到的, 这个也是系统环境, 其中你在这里使用conda安装的包会安装到你的conda的目录下, 而用pip安装的包会安装到你的用户目录下, 两个位置一般都在c盘. 而你新建的环境, 会默认新建到你设置的文件夹下 (没设置的话还在默认位置, 就是c盘), 比如我设置的是E盘的某几个文件夹. 激活你建立的环境后, pip和conda安装的包的位置(以及conda安装的你要求版本的Python)都在你设置的位置里. 不同环境下互不干扰. 这就是conda的工作原理. 实质就是使用shell的命令, 人为的在运行时构建了一个特殊的环境变量方案, 调用你当前环境下的相关包和特定版本的解释器. 比如我在base环境只安装了PyQt5和pyinstaller, 还有少量的几个包, 然后建立了一个py39名称的环境用来当高强度负载环境, 用来安装PyTorch和乱七八糟的一大堆东西, 这样我的开发环境就不吃C盘了. 同时也可以按需新建新的环境, 并配置不同版本的Python. ### 3.3. conda基础命令 首先, 如果你用的是vsc, 那么你在目录中启动后, 他可能提示你选择环境 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_6011410.0752831629300702.jpeg) 点击, 然后选择就行 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_2847620.5140417080063053.jpeg) 很方便. (前提是你已经conda init过了) 然后就是, 怎么类似于pip一样操作conda呢? (注意, 下面的操作均需要conda init初始化后才行, 如果你没有进行这个操作请往前翻, 前文有写, 在2.3. 章节) 首先打开一个PowerShell, 然后[\[3\]](#ref_3) 1. 创建环境示范(--name后的参数是你给他起的名字, 随便起名, 叫小帅都行) ```text conda create --name py39 python=3.8 # 注意这里虽然我给名字起的是"py39", 但是实际上安装的是Python3.8版本 ``` 2\. 激活环境(按名子激活) 激活后会发现环境变了 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_4880820.009943858371739944.jpeg) 3\. 退出的方法就是取消激活的方法 4\. 删除环境 磁盘大可以不用删除, 不激活的时候是没有系统的负担的, 所以你大可建立很多很多个虚拟环境 ```text conda remove --name py39 --all ``` 5\. 列出当前系统中的环境 6\. conda来安装相应的包 切换到你的目标环境下后, 键入(这里拿numpy做举例) 7\. 列出当前环境下安装的包, 该操作还会显示包的安装方法 (比如哪些是conda安装的, 而哪些是pip安装的) 8\. 查找当前环境下包的信息 9\. 更新当前环境下的包 ```text conda update numpy conda update --all #升级全部 conda update conda #升级conda自己 ``` 10\. 删除当前环境下的包 11\. 更新当前环境下的Python. 注意这里更新Python指的是将Python3.x.y的y更新到最新, 而不会更改大版本. 12\. 当前环境下使用pip 直接使用就行, 例如 ```text pip install matplotlib pip list pip ... ... ``` 但是建议pip仅在conda不能用的时候才使用. 因为conda的包管理与版本控制更严格, 更不容易出现依赖冲突. pip用一时爽一时, 到后面冲突的时候就........不太好处理了. pip检查包的兼容性时, 仅安装的时候检查, 如果已经按照的包和要安装的包冲突, 则报错. 而conda在安装多个包的时候可以自动智能的选择兼容的一个版本方案, 然后处理好. 但是注意, conda无法检查pip安装的包与自己将要安装的包的兼容性. 要是pip真的引起问题了, 请做好手工修理或者直接重建环境的觉悟. ## 4\. 使用conda简单安装一个PyTorch ### 4.1. 去官网 [](https://link.zhihu.com/?target=https%3A//pytorch.org/) ### 4.2. 选择版本 ![](https://yg9538.kmgy.top/img/2024/02/26/2024-02-26_205056_4472700.09877344991657011.jpeg) 然后得到命令 ### 4.3. 命令行安装 复制底下给出的命令, 然后激活目标环境, 在自己要用的环境下, 运行即可 conda会帮你安装好. 如果conda不行可以试试pip安装. 注意PyTorch这里给出的命令是自动安装cudnn的. (但是你仍然要先给显卡安装驱动和cuda运行库, 也可能在安装cuda的时候就安装了cudnn了, 反正不用专门安装了) 另外, 建议和我一样, 熬个夜, 在凌晨4点到7点下载, 这个时候国际链路比较通畅, 不卡 (清华源给的镜像似乎有问题). 或者使用科技上网方法. 更多详细信息可以参考我的这个教程: [](https://zhuanlan.zhihu.com/p/542729666) \[end\] ## 参考
yg9538
2024年2月28日 20:45
323
转发文档
收藏文档
上一篇
下一篇
手机扫码
复制链接
手机扫一扫转发分享
复制链接
Markdown文件
PDF文档
PDF文档(打印)
分享
链接
类型
密码
更新密码