windows/linux下Anaconda管理的（安裝的）包的位置

原創 程序猿的探索之路 2020-06-21 04:01

1）linux下Anaconda管理的（安裝的）包的位置

linux 下是 anaconda/lib/pythonx.x/site-packages

2）windows下Anaconda管理的（安裝的）包的位置

具體路徑爲  盤符:\Anaconda\Lib\site-packages

標色的地方爲你自己安裝Anaconda的位置

發表評論
所有評論
還沒有人評論，想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章

Deep Learning with Python 讀書筆記6.26 I 什麼是深度學習

我感覺這樣記錄，對於我來說挺好的。因爲我看兩端對齊的語句容易走神，這樣記錄閱讀的話，就很少出現之前的情況。 我寫的初衷，也是自己來看，所以感覺寫的不好的，請保留下意見，謝謝。 代碼縮進情況，字體重複情況，因爲我能看懂，就沒改。     裏

程序猿的探索之路 2020-06-27 20:03:07

Deep Learning with Python 讀書筆記 6.27 I 神經網絡的數學基礎

我感覺這樣記錄，對於我來說挺好的。因爲我看兩端對齊的語句容易走神，這樣記錄閱讀的話，就很少出現之前的情況。 我寫的初衷，也是自己來看，所以感覺寫的不好的，請保留下意見，謝謝。 代碼縮進情況，字體重複情況，因爲我能看懂，就沒改。     裏

程序猿的探索之路 2020-06-27 20:03:07

Anaconda Python PyCharm PyQT5 OpenCV PyTorch TF2.0 安裝指南 //禁止抄襲，禁止轉載，一經發現，立即投訴

禁止抄襲，禁止轉載，一經發現，立即投訴 我導師總結的非常好 http://blog.sciencenet.cn/home.php?mod=space&uid=3100235&do=blog&id=1220631

程序猿的探索之路 2020-06-21 04:49:59

Linux/Windows下conda建立的環境的安裝的路徑和位置

    1）Linux下conda建立的環境的安裝的路徑和位置   路徑是： /home/用戶名/.conda/envs/ 2）Windows下conda建立的環境的安裝的路徑和位置 F:\Anaconda\envs\py3 加下劃線的是

程序猿的探索之路 2020-06-21 04:49:59

入門實現神經網絡

本文中我們會從頭實現一個簡單的3層神經網絡。 這裏假設你已經比較熟悉微積分和機器學習的概念了。比如，你知道什麼是分類和正則化。當然你也應該瞭解一點優化技巧，如梯度下降是如何工作的。但是即使你對上面提到的任何一個概念都不熟悉，你仍然

bird-sup 2020-06-19 05:28:22

用Python 代碼實現簡單的神經網絡

概要：直接上代碼是最有效的學習方式。這篇教程通過由一段簡短的 python 代碼實現的非常簡單的實例來講解 BP 反向傳播算法。 代碼如下： Python 1234

bird-sup 2020-06-19 05:28:21

Python寫出LSTM-RNN（Long-Short Term Memory Recurrent Neural Networks ）的代碼

通過一個簡單的Python代碼來講解遞歸神經網絡 import copy, numpy as np np.random.seed(0) # compute sigmoid nonlinearity def sigmoid(x):

bird-sup 2020-06-19 05:28:21

簡單線性迴歸（Simple Linear Regression）下

1、簡單線性迴歸模型舉例： 汽車賣家做電視廣告數量與賣出的汽車數量： 如何訓練適合簡單線性迴歸模型的最佳迴歸線？ 使sum of squares最小 計算 分子 = （1-2）(14-20)+(3-2)(24-20)+(2-2)

bird-sup 2020-06-19 05:28:21

7.1 簡單線性迴歸（Simple Linear Regression）

屬於監督學習（Supervised Learning）；迴歸（Regression） 前提介紹： 爲什麼需要統計量？ 統計量：描述數據特徵 集中趨勢衡量： 均值（平均數，平均值）（mean） {6,2,9,1,2} （6+2+9+1+2

bird-sup 2020-06-19 05:28:21

7.5 非線性迴歸：logistic Regression（邏輯迴歸）

概率： 定義   概率（P）robability：對一件事情發生的可能性的衡量 範圍   0<=P<=1 計算方法：1、根據個人置信                    2、根據歷史數據                    3、根據模

bird-sup 2020-06-19 05:28:21

7.8 迴歸中的相關度和R平方值應用

bird-sup 2020-02-21 13:31:52

7.4 多元迴歸分析（multiple Regression）應用

bird-sup 2020-02-21 13:31:52

3.2 決策樹（decision tree）應用

bird-sup 2020-02-21 13:31:52

4.2 最鄰近規則分類（K-Nearest Neighbor）KNN算法應用m

bird-sup 2020-02-21 13:31:52

RNN記憶特性

bird-sup 2020-02-21 13:31:52