安装Anaconda+Python(2025超详细)

安装Anaconda+Python(2025超详细)

目录

第一步:下载Anaconda

第二步:安装Anaconda

第三步:配置环境变量

第四步:检查是否成功

第五步:添加快捷方式并打开

 

第一步:下载Anaconda

方法一: 登录Anaconda官网。(比较慢,略过,用方法二)

方法二:镜像网站下载:点击这里到清华镜像站下载

第二步:安装Anaconda

1.双击安装

2.点击 Next

3.点击 I Agree

4.选择 All Users,Next

5.选安装路径(最好不要C盘)

6.只选择第二个:默认带python环境

7.等待安装,注意:安装前关掉杀毒软件(例如火绒),否则进度条可能卡住

8.取消勾选后,Finish

第三步:配置环境变量

1.计算机(右键)→属性→高级系统设置→(点击)环境变量

2.在下面的系统变量里,双击Path

3.新建五个环境变量

点击新建

把“F:\Anaconda\Anaconda3”改为你设置的安装路径

\Scripts

\Library\bin

\Library\mingw-w64\bin

\Library\usr\bin

完成后点确定

第四步:检查是否成功

1.同时按 win + r ,输入cmd

2.查看anaconda,输入:

conda --version

3.查看python,输入:

python --version

均出现版本号,则配置成功

第五步:添加快捷方式并打开

1.在cmd中进入到anaconda的安装路径

2.输入指令

python .\Lib\_nsis.py mkmenus

 

菜单目录:(可以右键发送创建快捷方式到桌面)

双击打开,成功,over

Read more

视程空间(Vision Space)机器人高算力开发板重磅登场

视程空间(Vision Space)机器人高算力开发板重磅登场

算力革新 智驱未来 ARC SC6N0 Thor AGX 128GB T5X(T5000)       当物理AI时代加速到来,人形机器人协同作业、服务机器人精准响应、特种机器人突破极限场景的需求日益迫切,机器人开发的核心痛点——算力瓶颈、存储不足、场景适配受限,正成为制约产业升级的关键壁垒。在此背景下,视程空间深度整合NVIDIA前沿技术,重磅推出机器人开发板专用系列旗舰产品——ARC SC6N0 Thor AGX 128GB T5X(T5000),以Blackwell架构为核心,以巅峰算力与全维适配为支撑,重新定义机器人开发板性能标杆,为全球机器人开发者点亮创新之路,助力千行百业实现智能化转型。         作为ARC SC6N0全谱系产品矩阵中的旗舰力作,ARC SC6N0 Thor AGX 128GB T5X(T5000)并非简单的硬件堆叠,而是基于机器人开发全场景需求深度优化的一体化算力解决方案,融合了视程空间在AI硬件领域的深厚积淀与NVIDIA在物理AI领域的技术突破,从算力、存储、架构到生态,实现全方位跨越式升级,让机器人开发更高效、

By Ne0inhk
Pi0机器人VLA大模型在昇腾A2平台上的测评

Pi0机器人VLA大模型在昇腾A2平台上的测评

Pi0机器人VLA大模型在昇腾A2平台上的测评文档 * 写在最前面 🌈你好呀!我是 是Yu欸🚀 感谢你的陪伴与支持~ 欢迎添加文末好友🌌 在所有感兴趣的领域扩展知识,不定期掉落福利资讯(*^▽^*) 写在最前面 版权声明:本文为原创,遵循 CC 4.0 BY-SA 协议。转载请注明出处。 随着人工智能技术的持续神户以及人形机器人产业的快速发展,算力在提升机器人运动控制精度、实时响应能力与智能化水平方面的作用日益凸显。为实现降本增效,国产化算力代替需求不断攀升,本文基于国产化适配的 Pi0机器 VLA大模型,在昇腾 Atlas 800I A2服务器上完成部署与测试,结果表明:该模型在推理性能、推理精度及功能完整性等方面,不仅实现了与英伟达同级别硬件相当的算力表现,更在部分场景下表现出更优的运行效率。 这一成果充分表明:经过深度适配的国产大模型与国产算力平台,已具备支撑高端人形机器人智能化发展的核心技术能力。国产算力在人形机器人领域的应用场景广阔,正加速迈向自主可控、高效可靠的全新阶段。 一、测评概述 1.1 测试目的 本测评旨在验证Pi0机器人视觉

By Ne0inhk
低代码赋能培训管理:智能化管控全流程,助力企业人才成长

低代码赋能培训管理:智能化管控全流程,助力企业人才成长

在企业数字化转型浪潮中,人才成为核心竞争力,培训管理作为人才培育的关键环节,其效率与质量直接影响企业发展步伐。传统培训模式的诸多痛点,让企业迫切需要一套高效、智能的系统化解决方案,而低代码平台的出现,正为培训管理数字化升级提供了便捷路径。 人才与数字化双重诉求 企业人才发展需求 市场环境不断变化,业务持续迭代,企业对员工技能提出了更高要求。通过科学的培训管理,既能提升员工专业能力、改善工作绩效,也能为组织发展注入动力,实现人才与企业的共同成长。但传统培训模式存在资源浪费、效果难以保障、流程繁琐等问题,亟需一套系统化方案打破困境,提升培训效率与质量。 数字化转型与数据驱动 数字化转型已成为企业发展的必然趋势,培训管理作为人力资源管理的重要组成部分,数字化升级势在必行。企业需要通过数字化工具实现培训全流程管控,更需要依托数据分析精准评估培训效果、优化培训计划,为培训决策提供科学的数据支撑,让培训真正贴合业务需求。 低代码构建智能培训体系 系统简介 基于低代码平台构建的培训管理系统,专为企业实际需求设计,集成培训管理、考核评价等核心模块,实现培训全流

By Ne0inhk
2026 开源 LLM 新标杆:Nvidia Nemotron 3 Super 架构全解析,兼顾精度与效率的 Agent 原生底座

2026 开源 LLM 新标杆:Nvidia Nemotron 3 Super 架构全解析,兼顾精度与效率的 Agent 原生底座

2026 年,开源大语言模型的竞争早已脱离了 “堆参数量、刷榜单” 的粗放式增长阶段。随着 Agentic AI、本地部署、企业级私有化应用的需求全面爆发,行业的核心痛点已经发生了根本转变:开发者与企业不再需要一个 “只有精度好看,却跑不起、用不起、延迟崩” 的纸面 SOTA 模型,而是需要一个精度对标同级旗舰、推理吞吐拉满、延迟可控、硬件友好、能真正落地到生产级场景的实用型模型。 就在这样的行业背景下,Nvidia 推出了全新的开源权重大模型 Nemotron 3 Super (120B-A12B),交出了一份堪称完美的答卷。它在主流基准测试中精度完全对标同级旗舰 Qwen3.5 122B 与 GPT-OSS 120B,却实现了 NVFP4 精度下较 GPT-OSS 2.2 倍、bf16 精度下较 Qwen3.

By Ne0inhk