在通过conda安装了pytorch库
在这里插入图片描述
在jupyter notebook：
在这里插入图片描述
在当前mclearning环境下安装了，通过conda list也看见了的确已经安装了，但是在jupyter导入却找不到

我们查看python当前引用的目录即编译目录：
在这里插入图片描述
可以发现，并没有引用我新建的的环境mclearning的路径
下面我们导入路径
在这里插入图片描述

注意D:\ 是两个斜杠

在这里插入图片描述
没有报错：
在这里插入图片描述
但是这是一次性添加，每次都要运行都要执行一次添加。

永久添加方法：

在这里插入图片描述
通过site，找到packages路径
在这里插入图片描述
在此文件夹下新建一个txt 写入你要导入的包的路径：
在这里插入图片描述
重命名为xxxx.path（名字随意）
在这里插入图片描述
重新进入jupyter notebook
在这里插入图片描述
添加成功！

# python # jupyter
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

AI驱动的价值投资者情绪分析与控制

在金融市场中，价值投资者往往依据公司的内在价值进行投资决策。然而，投资者的情绪会对其决策产生重大影响，可能导致非理性的投资行为，进而影响投资收益。本研究的目的在于探讨如何利用AI技术对价值投资者的情绪进行分析，并在此基础上实现有效的情绪控制。本研究的范围涵盖了金融市场中各类价值投资场景，包括股票、债券、基金等。同时，研究将聚焦于AI在情绪分析和控制中的应用，涉及自然语言处理、机器学习、深度学习等多

avatar 2048 AI社区

「Datawhale」RAG技术全栈指南 Task 3

向量嵌入与检索技术概述 向量嵌入(embedding)是将高维数据转换为低维稠密向量的技术，其核心在于使语义相似对象在向量空间中距离更近。衡量embedding质量的标准是相近词向量相似度是否更高。 相似度度量方法选择： 余弦相似度：适合文本检索、聚类/去重等场景 点积：L2归一化后等同于余弦相似度 欧式距离：适用于图像特征、度量学习等场景 向量检索技术： HNSW：多层近邻图结构，适合高召回+低

avatar 2048 AI社区

VeADK Agent 一键容器化部署，万字长文带你实战演练

背景近年来，人工智能技术的发展正从模型为中心转向以应用为中心，智能体（Agent）作为 AI 应用的核心载体，其落地部署需求日益迫切。而随着 AI 应用向生产环境迁移，以 Kubernetes 为核心的云原生基础设施成为很多企业的默认选择，为 Agent 应用提供标准化、可扩展且具备成本效益的运行时环境势在必行。根据 CNCF 最新发布的年度云原生调查：Kubernetes 已从容器编排工具，发展

avatar 2048 AI社区