- 综合排序
- 最热优先
- 最新优先
- 来自专栏git
AI运行环境的搭建
安装tensorflow 安装环境为CENTOS6.8操作系统,pip安装tensorflow后提示GLIBC版本过低。 所以单独创建一个文件夹用于安装编译使用的环境软件。使用 --prefix 可以自定义安装路径。 编辑 ~/.bashrc 加入下列环境变量代码 export PATH=/home/makeuser/software/bin:$PATH export CC=/home/makeuser/software bin/pip3 /usr/bin/ ln -s /usr/bin/pip3 /usr/bin/pip pip install numpy 安装bazel0.4.5 安装bazel需要java1.8的环境 1是Please specify the location of python.检查后面的路径是否是你准备使用的python位置，我这里因为写了环境变量而且使用的是python2版本所以默认值就是正确的
2.2K20发布于 2019-07-19 - 来自专栏APP自动化测试
AI探索（二）Tensorflow环境准备
Python + Tensorflow环境安装 Tensorflow支持Windows/Mac/Linux等三种操作系统， 其中windows下python需要安装3.5以上的版本 Mac/Linux自带的 测试tensorflow安装是否成功 在python环境下引入tensorflow库不报错就标识安装成功了 Python 2.7.10 (default, Jul 15 2017, 17:16:57)
40140发布于 2019-10-15 - 来自专栏嵌入式iot
beaglebone AI环境搭建与运行
beaglebone AI环境搭建与运行 1.前言 2.beaglebone AI 开发板特性 3.beaglebone AI开发环境搭建 3.1 硬件连接 3.2 arm 交叉编译工具链 3.3 编译 uboot 4.beaglebone AI启动方式 5.beaglebone AI的Linux编译 5.1 编译kernel 5.2 选择根文件系统 6.将Linux的镜像烧录 6.1 格式化SD卡 6.2 同时将一套嵌入式Linux开发环境搭建起来。以便于更好的掌握和理解beaglebone AI的使用。工欲善其事，必先利其器，搭建好完整的开发环境，后续的工作才能更好的开展起来。 2.beaglebone AI 开发板特性 首先我选择beaglebone AI作为嵌入式Linux学习的开发板，是因为有着良好的芯片datasheet支持，以及TI芯片的大规模的使用，使得其通用性和扩展性更强 3.beaglebone AI开发环境搭建 3.1 硬件连接 当前的开发环境搭建在ubuntu上，首先连接开发板的debug串口。 ? 正面的图示如下所示： ? 该输出作为debug串口使用。
2.6K30发布于 2020-11-25 - 来自专栏TechBlog
AI开发软件环境
AI开发软件环境介绍 关于软件方面： 1.ubuntu操作系统的安装 2.抛弃bash,拥抱zsh 3.软件包管理器的使用， 4.安装NVIDIA GPU驱动 5.软件安装:Anaconda 6.软件安装 为了同时能用grep, awk, curl等工具，最好装一个cygwin或者mingw来模拟linux环境。 Anaconda3-2021.11-Linux-x86_64.sh step3:安装，采用默认Enter yes yes即可 sh Anaconda3-2021.11-Linux-x86_64.sh 具体的创建环境这里略过 ps -ef | grep jupyter lab Kill -9 XXXX Vscode配置 推荐插件： 简体中文=>汉化界面 Python =>管理切换python环境 Remote-SSH 此外，还可以配置markdown以及latex环境。注意：latex还需要安装编译器，windows安装TexLive，Mac安装macTex即可。
93810编辑于 2023-10-13 - 来自专栏人工智能的秘密
不同的游戏AI环境对比
OpenAI Gym/Universe、ELF 和 SC2LE 等高水准的游戏 AI 环境相继问世。下面，就给大家介绍一下不同的游戏AI环境的对比。 1. 游戏 AI 环境简介 游戏 AI 环境包括游戏和适应 AI 调用的 API 接口。现在的游戏 AI 环境可以分为两类：单一游戏 AI 环境和集成游戏 AI 环境。 单一游戏 AI 环境是指针对一个游戏构建的游戏 AI 环境。因为针对星际争霸的实在太有名了，我将之单独作为一类。 集成游戏 AI 环境则是指游戏 AI 环境拥有多款游戏，比较有名的集成游戏 AI 环境有 OpenAI Gym/Universe 和 ELF。 总结 游戏 AI 环境推陈出新，层出不穷，得利于如火如荼的游戏 AI 研究。现在游戏 AI 环境极大丰富，就看游戏 AI 算法是在短期突破，还是长久守望了。
1.4K00发布于 2017-12-22 - 来自专栏Unity游戏开发
游戏AI-AI角色对环境信息的感知
轮询方式 如果想知道周围世界发生了什么,最简单的方法是查询,AI对感兴趣的事件进行查询,基于轮询的感知系统更容易维护的方式是建立一个轮询中心,进行所有的查询. 中心监测系统称为"事件管理器",它记录每个AI角色所感兴趣的事件.当事件发生,通知每个角色."事件管理器"负责检查处理分发事件. 触发器 与事件驱动系统相对应，触发器是AI角色能对其作出反应的任何“刺激源”，是他们触发了AI角色感兴趣的事件，通常触发器以一个中心点有一个球体立方体或者圆形，触发器非常常见，他们可以创建各种行为和事件
77320发布于 2019-06-13 - 来自专栏Unity游戏开发
游戏AI-AI角色对环境信息的感知
此类中包含所有触发器共有的信息，比如触发器的作用半径、触发器是否已经使用完成要被移除等
57020发布于 2019-06-13 - 来自专栏AI技术应用
AI智能体应用的开发环境
AI 智能体应用的开发环境搭建是一个复杂但重要的过程，它直接影响到开发效率和最终产品的质量。下面我将详细介绍 AI 智能体应用开发环境的各个方面，希望能帮助您更好地进行开发。1. 硬件环境计算设备： CPU: 用于运行开发工具、编译代码、进行轻量级计算等。 GPU: 对于需要进行大量计算的 AI 任务，如深度学习模型的训练和推理，GPU 可以显著提高计算速度。 软件环境操作系统： Linux: Linux 系统在 AI 开发领域应用广泛，因为它具有良好的兼容性、稳定性和可定制性。 模型部署: 将训练好的模型部署到应用环境中。测试与优化: 测试智能体的性能，并进行优化。总结AI 智能体应用的开发环境搭建是一个复杂但重要的过程，需要综合考虑硬件、软件、AI 框架和库、云平台等因素。 选择合适的开发环境可以提高开发效率、降低开发成本，并最终影响到产品的质量。希望以上信息能帮助您更好地进行 AI 智能体应用的开发。
1.3K10编辑于 2025-02-18 - 来自专栏AI SPPECH
AI驱动的测试环境管理：智能环境配置与维护
AI驱动的测试环境管理利用机器学习、深度学习、自然语言处理等AI技术，实现测试环境的自动配置、智能部署、动态调整、资源优化和故障诊断，显著提升测试环境管理的效率和效果。 目录 目录 ├── 第一章：测试环境管理的基础知识与挑战 ├── 第二章：AI驱动测试环境配置的核心技术 ├── 第三章：AI在测试环境部署与维护中的应用 ├── 第四章：AI驱动的测试环境资源优化 ├ 第三章：AI在测试环境部署与维护中的应用 3.1 基于AI的测试环境部署自动化 基于AI的测试环境部署自动化是利用AI技术，实现测试环境部署过程的自动化和智能化，包括部署流程优化、部署策略选择、部署进度监控等 的测试环境自愈能力 基于AI的测试环境自愈能力是利用AI技术，使测试环境能够自动检测、诊断和修复问题，实现自我恢复和自我优化，提高环境的可用性和稳定性。 第五章 AI测试环境管理的最佳实践与未来趋势 5.1 AI测试环境管理的实施策略与最佳实践 实施AI测试环境管理需要系统性的策略和方法。
30110编辑于 2025-11-13 - 来自专栏企鹅号快讯
利用AI技术改变视频中的环境
人工智能（AI）作为科技领域冉冉升起的一颗新星，其发展一直备受业界的关注。许多我们熟知的科技公司也都在各自的领域深挖人工智能所带来的潜力，而Nvidia就是其中之一。 日前，Nvidia展示了他们最新的AI技术。这个AI所具备的技能真的是非常厉害，因为它可以改变视频中的天气环境。 图——雪天变晴天 图——白天变夜晚 汽车明明行驶在阳光明媚的道路上，而经过AI的改变，视频居然呈现出了夜晚的景象。不仅汽车的尾灯清晰明亮，就连原本没有路灯的道路两旁，都出现了真实的灯光效果。 Nvidia这项AI技术在某些领域将带来极大的作用，同时也让人们对AI的未来抱有很大的憧憬。
84160发布于 2017-12-29 - 来自专栏C++开发学习交流
【AI模型】Windows端深度学习环境配置
训练环境cuda+miniconda+pycharm+Pytorch 有显卡的笔记本或台式可通过nvidia-smi查看最高支持cuda版本，例如我的支持12.0，安装了cuda11.8（nvcc -V cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive miniconda相对anaconda更小巧灵活，也可创建多个python环境，可在国内源中下载安装 section=windows pytorch是模型训练常用的框架/库，这里安装的时候要对应自己的环境，例如我的是Windows+pip+cuda11.8，然后就会有安装命令出来。
50210编辑于 2024-07-24 AI IDE：智能开发环境的未来
随着人工智能技术的飞速发展，AI IDE（人工智能集成开发环境）应运而生，为开发者提供了一个更加智能、高效的编程环境。本文将探讨AI IDE的概念、优势以及它如何改变软件开发的面貌。 什么是AI IDE？ AI IDE是一个集成了人工智能技术的软件开发平台，它通过机器学习和自然语言处理等技术，帮助开发者提高代码质量、优化开发流程、减少错误和提升开发效率。 AI IDE的优势 1. 个性化学习与适应 AI IDE能够根据开发者的编程习惯和偏好进行自我学习和适应，提供更加个性化的开发体验。 AI IDE的实际应用 1. 协作开发平台 在团队协作中，AI IDE通过智能推荐和代码审查功能，促进团队成员之间的有效沟通和协作。 结论 AI IDE的出现标志着软件开发工具的一个新时代。 随着AI技术的不断进步，我们可以预见AI IDE将在未来的软件开发中扮演越来越重要的角色。
1.2K00编辑于 2025-07-29- 来自专栏后端云
AI大环境下的运营商
但是虚拟现实，自动驾驶，物联网，AI，云，这些都离不开互联互通，且整个大蛋糕是高速在增长中，运营商能分到的蛋糕比例在不断被减少，但是只要蛋糕增长足够快，就运营商的自身核心网络业务的数量而言说不定不降反升也不一定呢
51120发布于 2018-10-24 - 来自专栏痴者工良
新手入门 | 搭建 AI 模型开发环境
最后将 bin、lib、lib\x64、include、libnvvp 五个目录添加到环境变量 Path 中。 也不知道具体到底需要多少环境变量，加就是了。 安装 Miniconda Miniconda 是一个 Python 包管理器，能够在系统中创建多个环境隔离的 Python 环境。 如果电脑已经安装过 Python 并且添加了环境变量，则不要将 G:\ProgramData\miniconda3 添加到环境变量中，因为这样会导致环境缭乱。 使用 Modelscope 下载加载模型 ModelScope 是阿里云主导的一个国内 AI 模型社区，提供了各类模型和数据集以及开发工具库，由于 huggingface 上手难度稍大以及国外网络原因， 下载安装对应版本的 CUDA，然后重新解压 cuDNN 以及设置环境变量。 最后，服务器也成功搭建起 AI 环境。
1.3K10编辑于 2025-03-26 - 来自专栏技术专栏全家桶
AI重塑工作模式与如何在AI大环境中乘势而为
AI化改造、要么是纯AI项目的开发，其本质还是代码，只是业务需求变了，需求在积极适配AI，AI也在反过来帮助我们更好的实现需求，工作模式、工作效率发生了质的飞跃，但落实到AI具体在哪个领域真正颠覆，完全被替代 AI重塑工作模式与如何在AI大环境中乘势而为 斯坦福大学的“WORKBank”（1500 名员工，844 项任务）和 Thropic 的“Claude Economic Index”（410 蓝区（创新）： 员工需求高，AI 能力低。AI 构建者解决工人希望解决的问题的市场机会就在这里。 黄区（教育）： 员工需求低，AI 能力强。员工低估了 AI 可以做什么，即内部教育和支持的机会。 这并不一定意味着购买更多工具;这意味着将 AI 功能构建到现有工作流中。想想 AI 为分析师生成的起点报告、AI 驱动的合规性检查表或为营销人员生成的 AI 辅助内容生成。目标是提升，而不是替代。 也许最具挑衅性的是，成功的公司应该探索将完全自动化的流程从低成本位置带回由 AI 代理支持的集中式云原生运营中。比如阿里在积极做AI电商，打造AI模型全家桶。
17110编辑于 2026-02-03 - 来自专栏《C++与 AI：个人经验分享合集》
《解锁鸿蒙AI开发：探秘必备集成开发环境》
而在这片充满挑战与机遇的天地里，选择合适的集成开发环境（IDE）就如同为航海者挑选一艘坚固且装备精良的船只，是开启成功开发之旅的关键一步。 在代码编辑过程中，智能代码补全功能如同贴心的助手，它能根据开发者输入的代码片段，结合上下文环境，快速准确地预测并提供可能需要的代码建议，大大提高了编码效率。 DevEco CodeGenie：AI赋能的开发加速引擎 在人工智能蓬勃发展的时代背景下，DevEco CodeGenie作为一款AI辅助编程工具，为鸿蒙系统人工智能开发注入了强大的动力。 选择一款合适的集成开发环境是鸿蒙系统人工智能开发的重要基础。
20300编辑于 2025-03-16 - 来自专栏机器学习
使用 Miniconda + Mamba 构建高效的 AI 开发环境
引言 在人工智能（AI）开发中，环境管理和依赖安装是一个关键问题。Anaconda 是一个广受欢迎的 Python 发行版，提供了丰富的 AI 相关库，但它体积庞大，安装和更新速度较慢。 本教程将介绍如何使用 Miniconda 作为 Python 发行版，并使用 Mamba 作为更快的 conda 替代品，以构建一个高效的 AI 开发环境。 2. 创建 AI 开发环境 创建一个新的 AI 开发环境（例如 ）： ai-env mamba create -n ai-env python=3.10 -y 在命令后面加入-y，则本次安装时默认都是执行同意 激活环境： mamba activate ai-env 这时，会发现我们的环境已经从base切换到了ai-env了。 ✅ 兼容 Anaconda 生态，适合 AI 研究和开发。 希望本教程能帮助你顺利搭建 AI 开发环境！
1.9K00编辑于 2025-03-19 - 来自专栏前端笔记薄
AI 程序员跨环境执法宝典
前言 本文涉及AI工具有 github copilot chat 和 chatGPT。 核心观点，AI是程序员跨环境执法好帮手。之前我了解一门语言。到用它做些什么需要一周，现在立刻马上。 因为AI是我司程序员必须了解的一项，所以我做了这个文章，分享我的使用过程，希望能帮你少走弯路 GitHub Copilot指点的大纲 先用chatgpt来一个大概的步骤 获取小说中人物的名字是一个比较复杂的任务 最后 AI 目前虽然有一些问题，但确实越来越好用了，我们需要主动探索，挑战，而不能因为其不成熟而放弃。 当一个AI工具不行的时候，不妨试试其他工具，也思考一下为什么不行。 在这个过程，就算是失败了，也是一种收获了宝贵的认知（因为AI必将取代大部分工作）。 我会继续探索它的能力，如果有什么新的发现，我会在这里更新的。
1.1K30编辑于 2023-10-16 - 来自专栏《C++与 AI：个人经验分享合集》
《解锁鸿蒙AI开发：探秘必备集成开发环境》
而在这片充满挑战与机遇的天地里，选择合适的集成开发环境（IDE）就如同为航海者挑选一艘坚固且装备精良的船只，是开启成功开发之旅的关键一步。 在代码编辑过程中，智能代码补全功能如同贴心的助手，它能根据开发者输入的代码片段，结合上下文环境，快速准确地预测并提供可能需要的代码建议，大大提高了编码效率。 DevEco CodeGenie：AI赋能的开发加速引擎在人工智能蓬勃发展的时代背景下，DevEco CodeGenie作为一款AI辅助编程工具，为鸿蒙系统人工智能开发注入了强大的动力。 选择一款合适的集成开发环境是鸿蒙系统人工智能开发的重要基础。
31610编辑于 2025-03-13 - 来自专栏C++开发学习交流
【AI模型】Ubuntu18.04深度学习环境安装
环境安装 首先默认大家已安装好Ubuntu 18.04系统。 安装gcc、cmake： sudo apt update sudo apt-get install build-essential sudo apt-get install cmake 查看编译环境版本 系统深度学习环境配置 3. 5. python3环境配置 创建基于python3的虚拟环境，然后安装深度学习需要用到的库： # 安装python3开发库 sudo apt-get install python3-pip python3 -venv # 创建名称为myvenv的虚拟环境 python3 -m venv myvenv # 激活myvenv虚拟环境 source myvenv/bin/activate # pip安装深度学习相关第三方库
45910编辑于 2024-07-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号