Keysqiu的小屋

① 和PyCharm一样，就是给每一个项目创建一个独立的虚拟环境，防止​**==包污染事件==​发生** 查看电脑显卡最高支持的CUDA版本 nvidia-smi 查看已存在的虚拟环境 conda env list 创建虚拟环境 conda create -n 环境名字（英文） python=x.x（python版本） 进入虚拟环境 conda activate 虚拟环境名称 清华源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirr...

gradle-wrapper.properties文件 ​ # 一直替换到.zip前 https\://mirrors.cloud.tencent.com/gradle 配置maven仓库

作用：其实就相当于再生龙🐉，您细品 一、ocker就两步操作： 1、拉取(pull)镜像到本地 2、给镜像创建一个容器并run(跑)起来，其余的想要对哪个容器进行操作，就进入该容器中，执行的相关命令跟Ubuntu是差不多的 具体命令格式请参考​docker安装各种组件[^1] 二、docker默认是需要sudo权限的，看到什么权限报错，就在前面加上sudo 三、迭代自定义镜像时，每次都一定要记得commit当前镜像的环境才push到远程，不然不更新(呜呜呜~~~) 按我理解 简言之（​我愿称之为顶级理解****​ ） docker 镜像： ----java中 class docker 容器： ----java中 class new 出来的实例对象 docker compose 其实就是用一个docker-compose.yml文件来配置好 docker 镜像和容器的端口号、参数、网络，跟 SpringBoot的配置文件作用一样 [^1]: # docker安装各种组件 ==镜像的概念：镜像是将应用程序及其需要的系统函数库、环境、配置、依赖打包而成。== # 一 docke...

1. 下载Anconda安装包 1.1 wget命令下载 当然还可以去清华大学开源软件镜像站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，下载各种版本的Anaconda。 wget下载命令如下： 我这里下载的是2024.02-1版本的 wget -c 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.02-1-Linux-x86_64.sh' -P ~/Downloads --user-agent="Mozilla/5.0 (X11;U;Linux i686;en-US;rv:1.9.0.3) Geco/2008092416 Firefox/3.0.3" # 下载网站不允许通过非浏览器的方式进行下载，使用代理既可以解决问题，代理的参数为： --user-agent="Mozilla/5.0 (X11;U;Linux i686;en-US;rv:1.9.0.3) Geco/2008092416 Firefox/3.0.3" ...

实现如下： int rows ; cin>>rows; int cols ; cin>>cols; int **arr = new int*[rows];//先使一个二级指针指向数组指针的地址 for(int i = 0 ; i < rows ;++i ) { arr[i] = new int [cols]();//为一级指针分配地址 } for(int i = 0 ; i < rows ;++i) { for( int j = 0 ; j < cols ;++j)//为数组填充元素 { cin>>arr[i][j]; } } //释放空间 for(int i = 0; i < rows ;++i) { delete [cols]arr[i];//先释放二维数组中每个元素指向的数组 arr[i] = NULL; } delete [rows]arr;//在释放该指针数组； arr = NULL;

一、conda基础命令 ① 查看conda帮助信息 conda --help # 或者： conda -h ② 查看conda版本 conda --version ③ 更新conda conda update conda ④ 降级conda版本 conda install -n base conda==4.6.7 ⑤ 升级conda和anaconda conda update conda conda update anaconda ⑥ 卸载anaconda rm -rf anaconda 二、conda环境管理：创建、切换、删除等 ① 创建conda环境 conda create -n 环境名 python=[版本号] 包名（多个包名用空格分隔） # 包名可有可无 # 例如： conda create -n my_env python=3.10 ② 激活（切换）conda环境 conda activate 环境名 # 例如： conda activate base ③ 退出当前环境，默认进入上一个使用过的conda中python环境 conda deactivate ④ 显...

一、英伟达驱动安装与更新 二、Anaconda 的安装 三、Pytorch环境安装 四、paddlepaddle环境安装 五、pycharm安装–验证CUDA和cudnn版本 前言 之前我们在利用GPU进行深度学习的时候，都要去NVIDIA的官网下载CUDA的安装程序和cudnn的压缩包，然后再进行很繁琐的系统环境配置。不仅环境配置麻烦，而且还特别容易配置错误，特别还有CUDA和cudnn版本的对应也特别容易搞错，但是利用anaconda安装配置pytorch和paddlepaddle环境的时候会自动帮我们配置好cuda和cudnn。这篇博客就是针对小白的保姆级深度学习的环境配置教程 一、NVIDIA驱动安装与更新 显卡驱动程序就是用来驱动显卡的程序，它是硬件所对应的软件。驱动程序即添加到操作系统中的一小块代码，其中包含有关硬件设备的信息。正常有显卡的电脑都是有驱动程序的，但是有的时候驱动可能版本比较低，支持的cuda版本也是比较低的（<u>但是有的人的显卡是比较老的，就不建议更新驱动，这样会导致各种各样的问题，但是搞深度学习还是要用一块好的显卡用来学...

布线原则：先从复杂的元器件开始布线

go env -w GOPROXY=https://goproxy.cn

① HelloWorld案例 package main import "fmt" func main(){ fmt.Println("Hello World") //Hello World } ② 数组 创建固定数组，数组长度不可变 a := [5]int{1,2,3,4,5} 创建动态数组 a := make([]int,0) //这里的a是第一行所创建的 a = append(a,1,2,3,4,5) a[0] = 10 //改变数组a中第一个元素的值 ③ 键值对 m := make(map[string]int) m["a"]=1 m["b"]=2 fmt.Println(m) //map[a:1 b:2] ④ 结构 type Point struct { X int Y int } p:=Point{1,2} //初始化结构 fmt.Println(p) //{1 2} p.X=5 //修改结构中符号的值 fmt.Println(p) //&#...