1. 一.pytorch
从本地开始 |Py火炬 (pytorch.org)
创建一个名为 “yourenvname” 的 Conda 环境，并在该环境中安装 pycaret 软件包，并且将该环境注册为 Jupyter Notebook 的内核的一系列命令。
1.1. 创建一个名为 “mytorch” 的 Conda 环境，并指定 Python 版本为 3.8：
conda create --name mytorch python=3.11
|
这个命令会在 Conda 环境中创建一个名为 “mytorch” 的全新环境，其中包含了 Python 3.8 版本。
1.2. 激活 “mytorch” 环境：
这个命令用于激活刚刚创建的 “yourenvname” 环境，意味着在后续的操作中，将在yourenvname环境下进行工作。
1.3. 在 “mytorch” 环境中安装 pytorch：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
|
这个命令使用 conda 包管理器在激活的 “mytorch” 环境中安装了 pycaret 软件包。Pycaret 是一个用于快速和简单地进行机器学习任务的库。
1.4. 安装Jupyter Notebook 的内核
python -m ipykernel install --user --name mytorch --display-name "mytorch"
|
1.创建一个名为 “TensorFlow” 的 Conda 环境，并指定 Python 版本为 3.11：
conda create --name TensorFlow python=3.11
|
这个命令会在 Conda 环境中创建一个名为 “TensorFlow” 的全新环境，其中包含了 Python 3.8 版本。
2.1. 激活 “TensorFlow” 环境：
conda activate TensorFlow
|
这个命令用于激活刚刚创建的 “TensorFlow” 环境，意味着在后续的操作中，将在TensorFlow环境下进行工作。
2.2. 在 “TensorFlow” 环境中安装TensorFlow：
2.3. 安装Jupyter Notebook 的内核
python -m ipykernel install --user --name TensorFlow --display-name "TensorFlow"
|
