之前在自己的机器上用pip磕磕绊绊配置过一次，今天在云服务器上相当于复习了一下。 总结一下需要注意的点： 1.anaconda与要使用的python的版本要互相对应。 2.pycharm要装上python的解释器，在project interpreter中可以找到。 3.这次用的anaconda真的香，比如sklearn就不用自己安装，上一次用pip安装时候有各种依赖的血泪史我至今还记得。 4.安装keras之前要安装tensorflow，并且版本要互相兼容。 5.我出现了命令行import cv2成功，但是pycharm中import cv2报错的现象。 我在anaconda中安装openc

包括4点： 1、安装Anaconda 2、安装CUDA 3、安装PyTorch 4、安装PyCharm 本次由于选择的PyTorch是1.4版本，支持的是CUDA10.1，所以CUDA安装的版本是10.1。 一、安装Anaconda 1、win10 Anaconda官网 https://www.anaconda.com/distribution/ 如下图，选择 根据自己的电脑位数进行选择，下载后安装即可。注意一点 需要勾选这两个选项。 确认安装成功：打开CMD，输入 conda list 如果出现内容，则代表安装成功。 2、Ubuntu 也打开官网，点击相应版本进行下载，下载后安装即可。

Visual C++ 2010 Express独立安装包 安装说明 将压缩包放置在合适位置解压。 打开解压后的文件夹，找到setup.exe文件双击开始安装。 【为什么用这个版本？VC++6.0版本太老，其它版本又较大】

解压之后直接激活使用，不需要自己配置深度学习环境【超便捷】

深度学习环境搭建pytorch+CUDA+python3.8

dm_env ：DeepMind RL环境API 该软件包描述了用于Python强化学习（RL）环境的界面。 它由以下核心组件组成： dm_env.Environment ：RL环境的抽象基类。 dm_env.TimeStep ：一个容器类，表示每个时间步（过渡）上环境的输出。 dm_env.specs ：一个模块，包含用于描述环境消耗的动作的格式以及其返回的观察值，奖励和折扣的原语。 dm_env.test_utils ：用于测试具体环境实现是否符合dm_env.Environment接口的工具。 请参阅的文档以获取有关环境接口的语义以及如何使用它的更多信息。 子目录还包含使用dm_env接口实现的RL环境的说明性示例。 安装 dm_env可以使用pip从PyPI安装： pip install dm-env 请注意，从1.4版开始，我们仅支持Python 3.6+。 您还

RISC-V-ALE RISC-V汇编学习环境

T630服务器安装机器学习环境（ubuntu16.04server、Nvidia驱动、CUDA9.0、CUDNN7）

WIN10下学习汇编语言的环境所用到的程序，亲测OK，里面还有个demo程序。 这里面包括了dosbox0.74，debug.exe, masm.exe, link.exe 对应教程：https://blog.csdn.net/qq_22655017/article/details/106820240

资源已经上传到百度云盘，有需要的同学可以自行下载。