1.安装anconda环境

1.1.windows下Anaconda的搭建

点击此处进行下载
下载之后就是一路的next进行安装，安装完成之后配置环境变量
在这里插入图片描述

通过cmd输入conda， 若出现以下界面说明安装成功
在这里插入图片描述

1.2.在Anaconda下搭建和配置TensorFlow

进入我们刚刚安装好的Anaconda软件

1.2.1.创建tensorflow环境

在这里插入图片描述

1.2.2.在tensorflow环境中安装opencv、tensorflow

在这里插入图片描述

同样的方法搜索tensorflow，点击apply进行安装即可
在这里插入图片描述

2.pycharm中配置anconda

在这里插入图片描述

通过以上配置我们就可以实现在anaconda中安装的环境在pycharm中可以同步使用

# tensorflow # pycharm
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集群资源调度优化：架构师的8个策略，让GPU利用率从50%到90%

在大模型、生成式AI爆发的今天，GPU已经成为企业的“数字算力引擎”。——根据IDC 2023年的调研，国内AI集群的GPU利用率平均仅为45%-55%，部分企业甚至低于30%。这意味着什么？假设你有100张A100 GPU（每张成本约20万元），总投入2000万元。如果利用率只有50%，相当于每年浪费1000万元的算力资源。更关键的是，低利用率会直接影响模型迭代速度：当训练任务排队等待GPU时，

avatar 2048 AI社区

LangChain框架实战：构建个人专属知识库教程

metadata_field_info = [AttributeInfo(name="source", description="文档来源", type="string")]将文档（PDF/TXT/Markdown等）统一存放于。若需使用本地模型（如Llama2），需额外安装。：设置置信度阈值，低置信时要求用户澄清。：结合关键词搜索与语义搜索。：使用LLM优化原始查询。：使用FastAPI封装。：

avatar 2048 AI社区

LangChain框架实战：构建个人专属知识库教程

将应用部署到云服务器（如 AWS、Azure 或 Google Cloud），并设置监控工具（如 Prometheus 或 Loggly）跟踪 API 使用情况和性能。使用 Flask 或 FastAPI 构建后端，前端通过 HTTP 请求与后端交互。捕获 API 可能返回的错误（如认证失败、超限等），并实现重试机制。根据用户反馈调整模型参数、改进上下文管理逻辑，或升级到更高版本的模型（如 GPT

avatar 2048 AI社区