杭州做网站的优质公司/如何优化关键词提升相关度

下载脚本

我依然是在清华镜像当中寻找的脚本。这里找脚本真的十分方便，我十分推荐。

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-latest-Linux-x86_64.sh

下载十分快速，10秒解决问题

运行miniconda3安装脚本

赋予执行权限

chmod +x Miniconda3-latest-Linux-x86_64.sh 

执行：

sudo ./Miniconda3-latest-Linux-x86_64.sh 

按Enter继续，接着会出现很多信息，这时按空格翻页，输入yes同意协议。

这是询问安装位置，加sudo则默认root用户下，不加sudo则默认当前用户下。软件包一般安装到/opt下，故进行设置。

 然后询问是否在shell中将miniconda初始化。由于我还要安装ros2，所以选择“no”，避免第三方哭的冲突。Ubuntu22.04.2是自带了python3.10版本的。

修改shell的配置

由于我是zsh的shell,所以是修改.zshrc。修改后记得source环境变量。 

 如此则算是安装conda成功。

深度学习常用环境配置

我大多数情况下只做计算机视觉方面的深度学习，下面我会先安装pytorch。之后我会Openmmlab算法体系下的一些包，如果你并不是使用OpenMMLab的人群，那么只看下文的前半部分即可。

conda create -n mmlab python=3.9

先创建一个虚拟环境，名称是mmlab，python版本是3.9。

我们做深度学习或者说数据科学，除了pytorch这种基本的东西外，scikit-learn这种机器学习库也是相当常见的，以及opencv这种做视觉任务基本的库。

我还是比较喜欢使用清华镜像和pip进行安装。别的不说，pip能装的库比conda能装的库要多和新。

pypi | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ipython numpy opencv-python scipy sympy scikit-learn tdqm

可以看到我先安装了ipython这个包。但是我并没有安装jupyter notebook或者Jupyterlab。这是因为我更加习惯于在VScode中使用Jupyter。在VScode中使用能够有更好的界面和代码补全。

接着我们来安装pytorch。先到pytorch官网。

由于我所常用的openmmlab依然是依赖于pytorch1的，所以我安装的pytorch版本是1.13.1。

conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cpuonly -c pytorch

下面的部分就是关于openmmlab环境的配置了。

先安装openmim，然后使用mim包管理工具来完成对openmmlab算法体系中的包的管理，比如mmcv、mmeigine、mmpretrain等。我们可以较好地指定其版本。

pip install openmim
mim install "mmcv>=2.0.1"
mim install "mmeigine>=0.8.3"

不过openmmlab的包的依赖关系还是需要根据实际情况来安装指定版本，同时也建议其他组建采取源码安装的方式进行。

VScode中的使用演示

先安装python插件，然后就可以尝试开始了。拿出在移动硬盘里备份的python项目试试。

 

 可以成功选择内核。