Python常见库安装

流程

流程一定要是：（创建独立环境，可选）–安装–测试

关于环境管理————conda

用了一辈子conda，以前总感觉高级，现在几经考虑，还是建议新手不要用conda，因为不方便，而且很多包安装到了最后还是得靠pip

1 是新手不需要那么多不同版本的环境，

2 是conda源经常没有库或者换库名，而且conda还有除了python以外的C、R的库，容易混淆库名

3 环境不一定要用conda，还有virtualenv ，可直接对接pip，pypi有更多包

4 上网不方便，新库、github上库一般都是pip安装，新库进了Pypi多久能进conda channel呢？但conda很多都不会给安装命令，只能靠自己

opencv-python

conda安装不太方便，用pip吧

pip install opencv-python -y

或者在conda中

python -m pip install opencv-python

测试代码

import cv2
import numpy as np
# 创建白图
img=np.ones((512,512))
# 显示图片
print('opencv 版本：',cv2.__version__)
cv2.imshow('Image', img)
# 等待按键，然后关闭窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

sklearn

conda

conda install scikit-learn

pip

pip install numpy

numpy

conda

conda install scikit-learn

pip

pip install numpy

matplotlib

conda

conda install matplotlib

pip

pip install matplotlib

seaborn

conda

conda install seaborn

pip

pip install seaborn

pytorch-gpu

Start Locally | PyTorch

检查cuda版本,有时可能需要安装新cuda或者安装老版本

nvcc --version

安装指令（eg.）

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

安装后的检查

# pytorch_gpu_test.py
import torch   
print(torch.__version__, 
    torch.cuda.is_available(),
    torch.cuda.device(0),
    torch.cuda.device_count()  , 
    torch.cuda.get_device_name(0) )

# result:True <torch.cuda.device object at 0x000001AFC41B95B0> 1 NVIDIA GeForce RTX 4070

https://zhuanlan.zhihu.com/p/88903659?ivk_sa=1024320u

autogluon(todo)

autogluon是自动机器学习automl特别强的库，李沐推荐

GPU好像只能用pip安，特别是torch只能pip安

conda create -n env4automl python=3.9 cudatoolkit=11.8 -y
conda activate env4automl
python -m pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装报错
WARNING: Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by ‘SSLError(SSLZeroReturnError(6, ‘TLS/SSL connection has been closed是梯子的原因

python -m pip install autogluon

不行，cuda还是会冲突，