深度学习Python-常用术语和Python环境-外链论坛

b1gc8v 发表于 2024-8-18 06:36:14

深度学习Python--常用术语和Python环境

终端窗口 
 终端窗口是计算机操作系统中的一种界面，能够让用户在命令行下进行操作。
 在终端窗口中，用户能够输入命令，执行程序和拜访文件系统。
 终端窗口亦能够被叫作为命令行窗口、命令行终端、掌控台窗口、cmd窗口、dos窗口。
<img src="//q5.itc.cn/images01/20240517/c6f6be8bdb4b40d6816b8d4a7702cf67.jpeg" style="width: 50%; margin-bottom: 20px;">
Windows系统打开方式
<img src="//q4.itc.cn/images01/20240517/e95de64d2cdb4c53828304d66128c21a.jpeg" style="width: 50%; margin-bottom: 20px;">
MacOS系统打开方式
<img src="//q9.itc.cn/images01/20240517/68b98147b6f049f881601c789dbe65b4.jpeg" style="width: 50%; margin-bottom: 20px;">
Python环境安装 
安装Anaconda
 开源的Python发行版本，其包括了conda、Python等180多个科学包及其依赖项
 下载位置：https://www.anaconda.com/download
<img src="//q8.itc.cn/images01/20240517/3658f7d434e24111b241a690df8a6762.jpeg" style="width: 50%; margin-bottom: 20px;">
Windows系统Anaconda安装教程：
https://www.bilibili.com/video/BV1B1421m7Kr/?spm_id_from=333.999.0.0&vd_source=175860c1f380d469f4d87d09069257ba
macOS系统Anaconda安装教程：
https://www.bilibili.com/video/BV1Xx421U7es/?spm_id_from=333.999.0.0&vd_source=175860c1f380d469f4d87d09069257ba
Anaconda安装成功验证
 1.打开终端
 2.输入命令：conda --version 或 python --version ，而后按回车
 3.显现版本号，安装成功 
<img src="//q7.itc.cn/images01/20240517/1bd4c78ac12740bbae75a1fbfee1a0ae.jpeg" style="width: 50%; margin-bottom: 20px;">
说明：
Windows系统成功安装Anaconda后，输入命令，倘若提示 ***不是内部或外边命令，检测是不是已设置系统环境变量
 命令输入不可出错，尤其重视，是两个短横线 -
 版本号无需与上图一致
<img src="//q2.itc.cn/images01/20240517/11382b783eea45d99f1e57597f91dc40.png" style="width: 50%; margin-bottom: 20px;">
远程软件
 1.在自动安装软件的过程中，遇到难以处理的问题，必须远程帮助，可选取下载任意一种远程软件；
 2.将识别码（或设备代码）和验证码（或秘码）发到群里。
<img src="//q4.itc.cn/images01/20240517/2adb38fc005a4ce1945ed1b5ea2e4d28.jpeg" style="width: 50%; margin-bottom: 20px;">
<img src="//q4.itc.cn/images01/20240517/781f8c6397ae4f11bbc1437920286844.jpeg" style="width: 50%; margin-bottom: 20px;">
绝对路径与相对路径
绝对路径
<img src="//q9.itc.cn/images01/20240517/2ef8e647f39140119120f3173fd76691.jpeg" style="width: 50%; margin-bottom: 20px;">
相对路径
<img src="//q9.itc.cn/images01/20240517/3cffe49cba1a412297a424719c02e879.png" style="width: 50%; margin-bottom: 20px;">
文件路径示例
<img src="//q2.itc.cn/images01/20240517/ac05a5a0f72c4603a1f172f8603fd7a9.jpeg" style="width: 50%; margin-bottom: 20px;">
cd命令
 cd：change directory
 是dos系统、Linux系统中的一个常用命令，用途指的是定要进入的目录。
<img src="//q3.itc.cn/images01/20240517/4a5ef44af6624915afe0e483f859e636.jpeg" style="width: 50%; margin-bottom: 20px;">
清空窗口内容的命令
<img src="//q9.itc.cn/images01/20240517/725080370d254ec7be758edfbc760daa.jpeg" style="width: 50%; margin-bottom: 20px;">
Conda虚拟环境
虚拟环境的功效
 Conda 虚拟环境是为了在单个系统中创建和管理区别的项目所需的独立 Python 环境。重点功效包含：
 1. 隔离依赖: 每一个 Conda 虚拟环境都有自己的独立 Python 解释器和安装的软件包，这寓意着你能够在区别的项目中运用区别版本的软件包，而不必担心它们之间的冲突。
2. 项目隔离: 每一个项目都能够在自己的虚拟环境中运行，这寓意着你能够为每一个项目选取特定的依赖项和版本，从而保证项目的环境保持一致，不受其他项目的影响。
 3. 便于复制和共享环境: 经过创建虚拟环境，你能够容易地复制和共享项目的环境。其他人能够运用相同的环境来保证她们在区别系统上得到与你相同的结果。
4. 环境配置的方便性: Conda 供给了简单的命令来创建、激活和删除虚拟环境，这使得在区别项目之间容易切换以及管理环境变得非常方便。
 总之，Conda 虚拟环境使得管理 Python 项目的依赖项和环境变得更加简单和灵活，同期亦有助于保证项目的隔离性和一致性。
<img src="//q5.itc.cn/images01/20240517/83ebeacff5ae4426b494bccb9b68d18e.jpeg" style="width: 50%; margin-bottom: 20px;">
Conda命令
<img src="//q8.itc.cn/images01/20240517/56626bb514f74af7900304c411c54e43.jpeg" style="width: 50%; margin-bottom: 20px;">
<img src="//q5.itc.cn/images01/20240517/1a9c3c8654b94226981ff7af01529f2e.png" style="width: 50%; margin-bottom: 20px;">
<img src="//q2.itc.cn/images01/20240517/d38461f774524c6fb10481f2ab16b05f.png" style="width: 50%; margin-bottom: 20px;">
<img src="//q3.itc.cn/images01/20240517/1166a9581691467d9c6b11f69fbfd71c.png" style="width: 50%; margin-bottom: 20px;">
Python包管理工具pip
pip的功效
 pip是Python语言中最常用的包管理工具之一，它的功效包含：
1. 安装Python包：pip能够方便地从Python软件包索引(PyPI)或其他源安装Python包和模块。经过简单的命令，用户能够容易地安装所需的软件包。
 例如：pip install package_name
 2. 卸载Python包：运用pip，用户能够卸载再也不必须的Python包，以释放磁盘空间并守护整洁的研发环境。
命令为：pip uninstall package_name
 3. 管理Python包依赖关系：pip能够自动解析和安装Python软件包的依赖关系。这使得安装软件包时，pip能够自动安装所需的其他软件包，简化了软件包的管理。
4. 更新Python包：pip还能够用于更新已安装的Python软件包到最新版本，保证你的项目运用的是最新的功能和修复了的bug。
 命令为：pip install --upgrade package_name
 总之，pip是Python研发中不可或缺的工具，它简化了Python包的安装、管理和守护过程，使得研发者能够更容易地管理项目依赖关系，加强了研发效率。
pip命令
<img src="//q0.itc.cn/images01/20240517/a7fb2040082947f8802d26c69478861b.png" style="width: 50%; margin-bottom: 20px;">
pip镜像源
pip镜像源的功效是供给了一个替代官方 Python 包管理工具 (pip) 默认源的服务器位置。这般做有几个目的：
 1. 加速下载速度：有些地区拜访官方源可能会受到网络限制或连接速度较慢的影响，运用镜像源能够加强下载速度。
2. 加强稳定性：有些时候官方源可能会显现故障或不稳定的状况，运用镜像源能够加强包下载的稳定性。
 3. 避免网络限制：在有些环境下，网络可能会对拜访官方源进行限制，而运用镜像源能够绕过这些限制。
 平常的 Python 镜像源包含国内的阿里云、清华大学等，它们会定时从官方源同步更新，保持和官方源的一致性。
pip镜像源运用办法
<img src="//q7.itc.cn/images01/20240517/41fa8e39de5b460c9dff9cdbb9b7c600.png" style="width: 50%; margin-bottom: 20px;">
交互式研发环境 Jupyter Lab
Python研发环境
为Python编程供给支持和工具的软件环境，功效包含但不限于：代码编辑、语法检测、代码自动补全、版本管理等等。
 平常的Python研发环境包含：
 PyCharm：JetBrains研发的功能强大的集成研发环境，供给了丰富的功能和插件支持。
Visual Studio Code：由Microsoft研发，轻量级但功能丰富的代码编辑器，经过插件支持Python研发。
 Spyder：用于科学计算和数据分析的Python集成研发环境，供给了强大的交互式编程和调试功能。
 Jupyter Notebook：交互式笔记本环境，支持以代码、文本和图形方式组织Python代码和分析结果。
Jupyter Lab是对Jupyter Notebook的扩展和演进，它在Jupyter Notebook的基本上增多了更加多功能和灵活性，供给了更现代化的用户界面和更丰富的交互式工具。
Jupyter Lab 的安装
 在终端窗口的运用过程：
 1.选取项目运行的 conda 环境，一般是某个虚拟环境。
2.运用 cd 命令切换至项目的目录（文件夹）。
 3.输入起步命令
Jupyter Lab 的运用
 起步后，会打开默认的浏览器。
 倘若未打开，手动复制红色框中的链接（三选一）在浏览器打开。
.py 和 .ipynb 文件的区别与联系
 `.ipynb` 和 `.py` 是两种平常的 Python 文件格式，它们在用途和特点上有有些区别与联系。
.py 文件：
 - 格式：纯文本文件，包括 Python 代码。
 - 用途：一般用于编写和运行 Python 脚本。
 - 特点：能够运用任何文本编辑器编辑，如 Notepad、Sublime Text、VS Code 等。适用于研发和守护大型项目，能够直接在命令行或集成研发环境 (IDE) 中运行。
.ipynb 文件（Jupyter Notebook 文件）：
 - 格式：JSON 格式的文档，包括了丰富的内容，包含代码、文本、图像、数学公式等，以及输出结果。
 - 用途：用于交互式计算、数据分析、可视化和文档编写。
- 特点：能够在 Jupyter Notebook 环境下编写和运行，支持将代码、文本和可视化结果集中在一个文件中，易于展示和分享。一般用于数据科学、设备学习、教育等行业。
联系：
 两种文件格式都能够包括 Python 代码，因此呢它们能够相互转换。能够将 Jupyter Notebook 文件（.ipynb）中的代码导出为 Python 脚本文件（.py）。
两种文件格式都能够用于编写和运行 Python 代码，只是在运用场景和侧重点上略有区别。
代码运行
关闭 Jupyter Lab 研发环境
<a style="color: black;">返回外链论坛：www.fok120.com，查看更加多</a>

责任编辑：网友投稿

星☆雨 发表于 2024-9-8 15:41:53

系统提示我验证码错误1500次＼~゛，

情迷布拉格 发表于 2024-9-10 15:32:17

“NB”（牛×的缩写，表示叹为观止）‌

wrjc1hod 发表于 2024-11-1 18:16:39

“板凳”（第三个回帖的人）‌

4lqedz 发表于 2024-11-3 10:31:31

我深受你的启发，你的话语是我前进的动力。

页: [1]

外链论坛's Archiver

深度学习Python--常用术语和Python环境