如何让anaconda/envs/Viennarna中Viennarna在anaconda/lib/python3.8可以用

时间: 2023-11-27 16:03:59 浏览: 23
要让anaconda/envs/Viennarna中的ViennaRNA包在anaconda/lib/python3.8中可用,需要完成以下步骤: 1. 打开终端并激活Viennarna环境: ``` conda activate Viennarna ``` 2. 确认ViennaRNA包已经安装成功: ``` RNAfold -h ``` 如果成功安装,会显示RNAfold的帮助文档。 3. 找到anaconda/lib/python3.8/site-packages的路径: ``` python -c "import site; print(site.getsitepackages())" ``` 这个命令会显示Python的site-packages路径,例如: ``` ['/Users/username/anaconda3/lib/python3.8/site-packages', ...] ``` 4. 在anaconda/lib/python3.8/site-packages的路径下创建一个软链接,指向Viennarna环境中的ViennaRNA包: ``` ln -s ~/anaconda3/envs/Viennarna/lib/python3.8/site-packages/viennarna ~/anaconda3/lib/python3.8/site-packages/ ``` 这个命令会在anaconda/lib/python3.8/site-packages的路径下创建一个名为viennarna的软链接,指向Viennarna环境中的ViennaRNA包。 5. 确认viennarna软链接已经创建成功: ``` ls -l ~/anaconda3/lib/python3.8/site-packages/viennarna ``` 如果成功创建,会显示类似于以下的信息: ``` lrwxr-xr-x 1 username staff 62 Apr 7 10:22 /Users/username/anaconda3/lib/python3.8/site-packages/viennarna -> /Users/username/anaconda3/envs/Viennarna/lib/python3.8/site-packages/viennarna ``` 6. 现在,您可以在anaconda/lib/python3.8中导入ViennaRNA包: ``` import RNA ``` 希望这些步骤可以帮助您在anaconda/lib/python3.8中成功导入ViennaRNA包。

相关推荐

06/06/2023-16:31:47] [TRT] [I] [MemUsageChange] TensorRT-managed allocation in IExecutionContext creation: CPU +0, GPU +0, now: CPU 0, GPU 0 (MiB) /home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/tensorrt/__init__.py:166: FutureWarning: In the future np.bool will be defined as the corresponding NumPy scalar. bool: np.bool, Traceback (most recent call last): File "/home/sniper/anaconda3/envs/labelme/bin/yolo", line 8, in <module> sys.exit(entrypoint()) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/ultralytics/yolo/cfg/__init__.py", line 398, in entrypoint getattr(model, mode)(**overrides) # default args from model File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/ultralytics/yolo/engine/model.py", line 302, in val validator(model=self.model) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/torch/utils/_contextlib.py", line 115, in decorate_context return func(*args, **kwargs) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/ultralytics/yolo/engine/validator.py", line 114, in __call__ model = AutoBackend(model, device=self.device, dnn=self.args.dnn, data=self.args.data, fp16=self.args.half) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/ultralytics/nn/autobackend.py", line 174, in __init__ dtype = trt.nptype(model.get_binding_dtype(i)) File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/tensorrt/__init__.py", line 166, in nptype bool: np.bool, File "/home/sniper/anaconda3/envs/labelme/lib/python3.8/site-packages/numpy/__init__.py", line 305, in __getattr__ raise AttributeError(__former_attrs__[attr]) AttributeError: module 'numpy' has no attribute 'bool'. np.bool was a deprecated alias for the builtin bool. To avoid this error in existing code, use bool by itself. Doing this will not modify any behavior and is safe. If you specifically wanted the numpy scalar type, use np.bool_ here. The aliases was originally deprecated in NumPy 1.20; for more details and guidance see the original release note at: https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations 如何修复

引用\[1\]:ImportError: /usr/local/anaconda3/envs/py38/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-linux-gnu.so: undefined symbol: Z27points_in_boxes_cpu_forwardN2at6TensorES0_S0 。 引用\[2\]: ImportError: /home/yukang/anaconda3/envs/fsgan/lib/python3.9/site-packages/torch/lib/libtorch_cuda_cpp.so: undefined symbol: cudaGraphRetainUserObject, version libcudart.so.11.0 引用\[3\]:然后修改报错位置的maxvit.py文件,在我这里也就是“/root/miniconda3/envs/clip/lib/python3.7/site-packages/torchvision/models/maxvit.py”,不从typing中导入OrderedDict模块,而是从typing_extensions中导入 。 问题描述:importError: cannot import name 'Config' from 'mmcv' (/home/hi/anaconda3/envs/zt/lib/python3.9/site-packages/mmcv/__init__.py) 回答: 这个错误是由于在导入mmcv库时无法找到名为'Config'的模块导致的。\[3\]可能是由于版本不兼容或者安装不完整导致的。你可以尝试检查你的mmcv库的版本,并确保它与你的环境兼容。另外,你还可以尝试重新安装mmcv库,或者查看是否有其他依赖项缺失。如果问题仍然存在,你可以尝试在导入mmcv库之前先导入所需的模块,如'Config'。希望这些解决方法能帮助你解决问题。 #### 引用[.reference_title] - *1* [ImportError: /usr/local/anaconda3/envs/py38/lib/python3.8/site-packages/mmcv/_ext.cpython-38-x86_64-](https://blog.csdn.net/weixin_42130300/article/details/121616567)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [ImportError: /home/yukang/anaconda3/envs/fsgan/lib/python3.9/site-packages/torch/lib/libtorch_cuda_c](https://blog.csdn.net/qq_45934285/article/details/127949032)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [ImportError: cannot import name ‘OrderedDict‘ from ‘typing‘ (/root/miniconda3/envs/clip/lib/...)](https://blog.csdn.net/weixin_43656802/article/details/130012263)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
根据你提供的引用内容,你遇到的问题是在调用scikit-learn中的函数时报错,错误信息为"ImportError: cannot import name '_joblib_parallel_args' from 'sklearn.utils.fixes'" \[1\]。另外,你还提到在使用torch1.8.0时也遇到了问题,错误信息为"ImportError: cannot import name '_DataLoaderIter' from 'torch.utils.data.dataloader'" \[2\]。最后,你还提到了一个链接,这是pytorch以及cuda对应的版本链接,可以用来查找你的版本是否存在不兼容的情况 \[3\]。 对于第一个问题,报错信息表明无法从'sklearn.utils.fixes'中导入'_joblib_parallel_args'。这可能是由于你使用的scikit-learn版本与你的代码不兼容导致的。你可以尝试更新scikit-learn到最新版本,或者检查你的代码是否使用了不再支持的函数或模块。 对于第二个问题,报错信息表明无法从'torch.utils.data.dataloader'中导入'_DataLoaderIter'。这可能是由于你使用的torch版本与你的代码不兼容导致的。根据提供的解决办法,你可以尝试使用'_SingleProcessDataLoaderIter'或'_MultiProcessingDataLoaderIter'代替'_DataLoaderIter'。 最后,关于提供的链接,它是pytorch官方网站上的一个页面,用于查找pytorch以及cuda对应的版本信息。你可以访问该链接,查找你正在使用的pytorch版本是否与你的cuda版本兼容。 综上所述,你遇到的问题可能是由于版本不兼容导致的。你可以尝试更新相关库的版本,或者根据提供的解决办法进行修改。如果问题仍然存在,你可以进一步查找相关文档或寻求开发者社区的帮助来解决问题。 #### 引用[.reference_title] - *1* [ImportError: cannot import name ‘_joblib_parallel_args‘ from ‘sklearn.utils.fixes](https://blog.csdn.net/weixin_44881806/article/details/126441827)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [解决ImportError: cannot import name ‘_DataLoaderIter‘ from ‘torch.utils.data.dataloader](https://blog.csdn.net/weixin_48571712/article/details/125907800)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [【bug】ImportError: cannot import name ‘_DataLoaderIter‘ from ‘torch.utils.data.dataloader](https://blog.csdn.net/weixin_43442053/article/details/124249124)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
根据错误信息来看,代码中存在一个 TypeError 错,错误信息显示为 object of type 'Dataset' has no len()。该错误发生在试图获取数据集的长度时出现问题。 这个错误通常是由于数据集对象(Dataset)没有实现 len() 方法导致的。在使用 torch.utils.data.DataLoader 创建数据加载器时,需要传入一个数据集对象,并且数据集对象需要实现 len() 方法来返回数据集的长度。 解决这个问题的方法是确保你使用的数据集对象具有 len() 方法。如果你使用的是 PyTorch 提供的内置数据集类(如 torchvision.datasets.ImageFolder),那么通常不会遇到这个问题。但如果你自定义了一个数据集类,你需要确保在该类中实现了 len() 方法。 以下是一个自定义数据集类的示例,展示了如何实现 len() 方法: python import torch from torch.utils.data import Dataset class MyDataset(Dataset): def __init__(self, data): self.data = data def __getitem__(self, index): return self.data[index] def __len__(self): return len(self.data) 在上面的示例中,我们创建了一个名为 MyDataset 的自定义数据集类。它接受一个数据列表作为参数,并在 __getitem__ 方法中实现了获取单个样本的逻辑。同时,我们在 __len__ 方法中返回了数据列表的长度。这样,我们就可以在使用 torch.utils.data.DataLoader 创建数据加载器时,传入 MyDataset 对象,而不会再出现 TypeError 错误。

最新推荐

网络技术-综合布线-河南农村宽带客户细分的研究.pdf

网络技术-综合布线-河南农村宽带客户细分的研究.pdf

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire

理解Socket编程的基础概念

# 1. 介绍Socket编程的基本概念 ## 1.1 什么是Socket编程 Socket编程是一种在网络编程中使用的抽象概念,它允许应用程序通过网络进行通信。通过Socket编程,可以实现客户端与服务器端之间的数据交换和通信。 ## 1.2 Socket编程的应用范围 Socket编程广泛应用于网络通信领域,包括但不限于Web服务、即时通讯、网络游戏、远程控制等。 ## 1.3 Socket编程的基本原理 Socket编程基于网络套接字(socket)的概念,通过套接字建立连接、传输数据和关闭连接来实现通信。在Socket编程中,使用不同的协议(如TCP、UDP)来实现数据传输和通信

c语言桌子上有几堆糖果,每堆糖果的数量记录在一个整型数组 nums 中。我们可以每次选择任意一堆,拿走其中的一颗或者两颗糖果,求拿完所有糖果的最少次数。

好的,以下是 C 语言的实现代码: ```c #include <stdio.h> #include <stdlib.h> int min(int a, int b) { return a < b ? a : b; } int minSteps(int* nums, int numsSize) { int dp[numsSize + 1]; dp[0] = 0; dp[1] = 1; for (int i = 2; i <= numsSize; i++) { dp[i] = min(dp[i-1] + 1, dp[i-2] + 1)

供应链管理制度(全).ppt

供应链管理制度

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依

Gunicorn监控和自动化运维

# 1. Gunicorn简介 ### 1.1 什么是Gunicorn Gunicorn是一个轻量级的Python WSGI HTTP服务器,可用于运行Django、Flask等Web应用。它通过将请求传递给应用程序的多个进程来实现并发处理,从而提高Web应用的性能和稳定性。 ### 1.2 Gunicorn的特点和优势 - **简单易用**:Gunicorn易于安装和配置,使用简单。 - **性能稳定**:Gunicorn能够有效管理并发连接,提供稳定的性能。 - **资源占用低**:相较于其他服务器,Gunicorn对资源的消耗相对较低。 - **支持异步处理**:Gunicorn

inno setup 怎么在脚本中设置程序的安装目录

在 Inno Setup 脚本中,你可以使用 `[Setup]` 节点中的 `DefaultDirName` 属性来设置应用程序的安装目录。默认情况下,`DefaultDirName` 属性设置为 `{pf}\{#MyAppPublisher}\{#MyAppName}`,其中 `{pf}` 表示“Program Files”目录,`{#MyAppPublisher}` 和 `{#MyAppName}` 分别表示你在脚本中定义的应用程序发布者和名称。 以下是一个示例脚本,演示如何设置应用程序的安装目录: ``` [Setup] AppName=MyApp AppVersion=1.0 De

中铁隧道集团机械设备管理规则.docx

中铁隧道集团机械设备管理规则.docx

关系数据表示学习

关系数据卢多维奇·多斯桑托斯引用此版本:卢多维奇·多斯桑托斯。关系数据的表示学习机器学习[cs.LG]。皮埃尔和玛丽·居里大学-巴黎第六大学,2017年。英语。NNT:2017PA066480。电话:01803188HAL ID:电话:01803188https://theses.hal.science/tel-01803188提交日期:2018年HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaireUNIVERSITY PIERRE和 MARIE CURIE计算机科学、电信和电子学博士学院(巴黎)巴黎6号计算机科学实验室D八角形T HESIS关系数据表示学习作者:Ludovic DOS SAntos主管:Patrick GALLINARI联合主管:本杰明·P·伊沃瓦斯基为满足计算机科学博士学位的要求而提交的论文评审团成员:先生蒂埃里·A·退休记者先生尤尼斯·B·恩