Anaconda安装(2024最新版)

Anaconda安装(2024最新版)

        安装新的anaconda需要卸载干净上一个版本的anaconda,不然可能会在新版本安装过程或者后续使用过程中出错,完全卸载干净anaconda的方法,可以参考我的博客

第一步:下载anaconda安装包

        官网:Anaconda | The Operating System for AI

(不过官网是外网,这里推荐国内清华大学的镜像源,对于国内的网络友好,下载速度更快!)

清华镜像网:Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source MirrorIndex of /anaconda/archive/ | 清华大学开源软件镜像站,致力于为国内和校内用户提供高质量的开源软件镜像、Linux 镜像源服务,帮助用户更方便地获取开源软件。本镜像站由清华大学 TUNA 协会负责运行维护。https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/         这里有许多版本,博主这些选择下载最新版本的2024.06-1版本,大家根据需求选择即可。

第二步: 安装anaconda

        打开刚刚下载好的安装包,双击运行。

         前面我们一直确认next即可。直到这里我们选择all user。

         这里选择安装路径,这里最好选择自己的路径(默认安装是安装在C盘)。

        这里我们只选择第二个,默认带一个python3.12环境。

         然后等待安装即可,安装文件有几GB,时间会可能会比较久,因各自电脑配置而异,耐心等待即可。

        这里建议勾选,选择finish。(我截的图忘记勾选了,可以选上哈)

         到这里anaconda已经安装完成。

第三步:配置环境变量

        打开设置,搜索“查看高级系统设置”,点击打开。

         打开环境变量。

        在系统变量中,找到变量path。

         双击打开,右键新建。

        新建五个变量进去,将下面的五个变量的结合你的anaconda实际安装目录来更改写入。

(我这里的anaconda安装路径为D:\Anaconda3,把下面的更改为你的anaconda路径即可)

D:\Anaconda3 D:\Anaconda3\Scripts D:\Anaconda3\Library\bin D:\Anaconda3\Library\mingw-w64\bin D:\Anaconda3\Library\usr\bin

        添加结束,右下角确认退出。 

第四步:检查是否安装成功

        按下Win+R,输入cmd打开终端。

        输入命令检验。//检验anaconda版本

conda --version 

//进入anaconda自带的python环境 

python 

  第五步:更改镜像源

(切记,更改镜像源需要在系统环境,如果第四步进入了python环境,需要先输入exit退出,或者重新打开一个终端更改镜像源)

        直接输入以下命令即可,将默认的国外站点更改为国内的镜像源,速度更快!

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ //设置搜索时显示通道地址 conda config --set show_channel_urls yes 

第六步:最后检查

        有一些小伙伴会发现安装anaconda之后,找不到相关的程序。通过下面的方式,在菜单搜索里面,搜索anaconda,就会出现相关终端。

        如果搜索没有相关的anaconda程序,参考一下这个推文。然后anaconda程序使用Anaconda Prompt 或者 Anaconda Powershell Prompt 都是可以的。

        至此,anaconda的安装全部结束,如果小伙伴安装过程中遇到问题,可以评论留言或者私聊我,谢谢。 

Read more

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

Vibe Coding范式实战:用AI工具链(Stitch+Figma+ai studio+Trae)快速开发全栈APP

文章目录 * 概要 * stitch制作设计稿 * figma 原型展示 * ai studio 生成前端代码 * 基于trae + Supabase生成后端代码和数据库 * Github + vercel * pc端后台管理系统设计 概要 在 AI 技术深度渗透软件开发领域的当下,一种名为 “Vibe Coding”(氛围编程)的全新范式正在重塑开发者的工作方式。它的核心在于,开发者不再是逐行编写代码的 “码农”,而是通过自然语言描述意图、引导 AI 生成代码的 “创意引导者” 和 “结果验证者”,从而将精力聚焦于更高价值的产品设计和逻辑思考上。 本文提供一种 Vibe Coding 的工作模式:设计阶段以 Google Stitch 为起点,开发者通过文本或草图快速生成响应式 UI 设计与前端代码,再无缝导入 Figma 进行精细化视觉调整和原型设计,实现了从 “想法” 到

By Ne0inhk
告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

告别SQL恐惧症:我用飞算JavaAI的SQL Chat,把数据库变成了“聊天室”

摘要 对于许多开发者而言,与数据库打交道意味着繁琐的语法记忆、复杂的联表查询以及令人头疼的性能优化。你是否曾希望,能用说人话的方式直接操作数据库?飞算JavaAI专业版的SQL Chat功能,正是这样一个革命性的工具。本文将分享我如何将它变为一个永不疲倦的“数据库专家同事”,用自然语言轻松搞定一切数据需求。 一、 痛点切入:我们与SQL的“爱恨纠葛” 还记得那次惨痛的经历吗?新接手一个庞大项目,急需从几十张表中查询一份用户行为报表。你对着模糊的需求文档,在Navicat或DBeaver中艰难地敲打着JOIN、WHERE和GROUP BY,一遍遍执行、调试,生怕一个疏忽就拉垮了线上数据库。这不仅是技能的考验,更是对耐心和细心程度的终极折磨。 尤其是面对以下场景,无力感尤甚: * 复杂查询:涉及多表关联、嵌套子查询、窗口函数,SQL语句长得像一篇论文。 * 性能优化:一条SQL跑起来慢如蜗牛,却不知从何下手添加索引或改写。 * 老项目溯源:面对命名随意的表和字段,理解业务逻辑如同破译密码。 我们需要的不是一个更漂亮的SQL客户端,而是一个能理解我们意图的“智能数据库搭档”

By Ne0inhk

M系列Mac保姆级教程:Clawdbot安装+API配置,30分钟解锁AI自动化!

前言 Clawdbot作为超实用的AI自动化工具,能帮你实现网页自动操控、办公流程自动化、本地文件管理等功能,搭配M系列Mac的低功耗特性,堪称效率神器!很多Mac用户安装时会遇到「架构不兼容」「API配置失败」「插件加载报错」等问题,这篇教程专为M4/M1-M3芯片MacBook定制,全程ARM原生适配,从环境准备到功能验证一步到位,新手也能轻松上手~ 一、安装前准备(必看!避坑核心) 1. 系统与工具要求 * 系统版本:macOS 13 Ventura 及以上(M4芯片默认满足,低于该版本先升级:系统设置→通用→软件更新) * 核心依赖:Node.js ≥ 22(必须ARM架构版,避免转译卡顿) * 辅助工具:终端(Launchpad→其他→终端)、Chrome浏览器(ARM原生版) * 网络:需访问外网(对接Claude/Gemini)

By Ne0inhk
【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

【人工智能之深度学习】20. 交通流量预测实战:用GCN构建城市路网预测模型(PeMS数据集+PyTorch Geometric全流程)

摘要:城市交通流量预测是智慧交通的核心任务,传统LSTM/CNN模型因忽视路网拓扑结构(如传感器间的道路连接关系),难以精准捕捉拥堵传播规律。本文以公开PeMSD4数据集(旧金山湾区交通数据)为基础,采用图卷积网络(GCN)构建预测模型——通过将交通传感器视为“节点”、道路连接视为“边”,结合PyTorch Geometric工具实现端到端时空预测。全流程涵盖:数据获取与清洗(处理12个时间步历史数据)、路网图结构构建(基于距离的邻接矩阵)、GCN模型搭建(含两层图卷积层)、模型训练与评估(对比历史平均法、LSTM)。实验显示,本文GCN模型在整体RMSE(15.1)和关键路口RMSE(19.6)上均优于传统方法,预测稳定性显著提升。需特别说明:本文为教学虚拟案例,所有结果基于离线回测,不可直接用于真实交通调度决策,实际落地需解决实时性、动态路网等问题。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C#

By Ne0inhk