目录
1. 查看已安装的虚拟环境
conda env list
或
conda info --envs
2. 更新pip
更新pip:
python -m pip install --upgrade pip
3. scikit-learn
在正式安装sklearn
之前,需要安装两个库,即numpy+mkl
和scipy
。
如果之前已经安装了numpy的话这里需要把原来安装的numpy卸载掉。
numpy+mkl
和scipy
的第三方库:https://www.lfd.uci.edu/~gohlke/pythonlibs/
选择自己的环境对应的版本下载即可,cp36
即python=3.6
,win_amd64
即win
是64位。
下载好之后,把这两个包放在python安装的Scripts目录下。
可以用where python
来查一下python的安装目录:
安装时,首先要在终端将工作空间定位到我们放安装包的目录下,然后再进行安装。
scikit-learn
也可以以同样的方式安装,也可以 pip install -U scikit-learn
。
4. torch & torchvision
4.1 torch
(1)电脑有显卡的话首先需要查看一下自己电脑上的cuda版本,输入nvidia-smi
或者 nvcc -V
。
参考这篇文章,nvidia-smi
显示的是 driver api 对应的cuda版本,而nvcc -V
显示的是 runtime api 对应的cuda版本。driver api 的版本可以向下兼容runtime api的版本,即nvidia-smi
显示的版本大于nvcc -V
的版本通常不会出现什么问题,安装torch时以nvcc -V
显示的版本为准。
(2)进入PyTorch官网,如果要安装旧版本的torch的话,选择 install previous versions of PyTorch。(我这里安装的是torch1.5.1)
(3)用(2)这种方式安装可能会太慢,可以先去网站下载torch,再安装。
网址:https://download.pytorch.org/whl/torch_stable.html
下载自己需要的版本:我的是cuda10.2,windows操作系统,python3.7。
cd进入到放torch.whl的这个目录,然后pip install
4.2 torchvision
torch 与 torchvision 版本对应关系
根据 torch 版本下载对应版本的 torchvision 版本。
还是刚才的网址:https://download.pytorch.org/whl/torch_stable.html
同样的,cd进入到放torchvision.whl文件的这个目录,然后pip install
检查是否安装成功:
5. jupyter nodebook
5.1 怎样在jupyter notebook中使用自己创建的虚拟环境?
需要在自己的虚拟环境中安装 ipykernel
,它为Jupyter提供IPython内核:
pip install ipykernel
然后输入以下内容将虚拟环境添加到Jupyter:
python -m ipykernel install --user --name=环境名
5.2 为jupyter notebook添加代码自动补全功能
下载扩展的插件jupyter_contrib_nbextensions以补全代码:
pip install jupyter_contrib_nbextensions
然后打开jupyter notebook(如果之前就已经打开的话这里需要重启一下Jupyter notebook)
5. captum
参考:https://github.com/pytorch/captum
pip install captum
或
conda install captum -c pytorch
6. nltk.download() 出现错误
7. ltp
安装ltp失败,参考文章