python---数据可视化篇

news2024/9/24 13:21:24

目录

1.matplotlib简介

2.安装并且导入对应的模块

3.设置中文字体

4.创建画布

5.绘制折线图

6.对于折线图的美化

7.散点图的绘制

8.双y轴叠加图

9.簇形柱状图

10.百分比堆积柱状图 

11.绘制多个子图（一个画布上面）

1.matplotlib简介

matplotlib是Python的基本绘图模块，包含了大量的工具。

我们可以使用matplotlib创建各种图像，包括简单的折线图、柱状图等，甚至是复杂的三维图像。

matplotlib模块里有一个非常方便的子模块：pyplot，我们之后要绘制的图像主要都是依赖于这个子模块～

2.安装并且导入对应的模块

安装的时候，使用的是：    pip install matplotlib    指令

和以前导入模块的方法略有不同，我们在导入matplotlib模块时，使用的是matplotlib.pyplot，可以理解为导入matplotlib模块下最常用的pyplot子模块。

通常，会使用 plt 作为matplotlib.pyplot的简写，方便以后调用。

# TODO 使用import导入matplotlib模块下的pyplot子模块
# 并使用 plt 作为该模块的简写
import matplotlib.pyplot as plt

3.设置中文字体

像下面的这个情况之所以会出现，原因就是我们对于这个字体的设置没有成功，我们需要根据自己的操作系统去设置对应的字体；

解决中文不显示的问题，我们可以在导入matplotlib.pyplot后，在代码中对plt.rcParams["font.sans-serif"]进行赋值，来自定义字体。

在本地运行时，如果是Windows系统，可以把字体设置成 SimHei ；

如果是macOS系统，可以把字体设置为 Arial Unicode MS 。

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt

# TODO 将字体设置为SimHei，以windows作为例子
plt.rcParams["font.sans-serif"] = "SimHei"

4.创建画布

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt

# 通过 rcParams 参数将字体设置为 SimHei
plt.rcParams["font.sans-serif"] = "SimHei"

# TODO 使用plt.figure()函数创建画布
# 添加参数figsize设置画布大小为(4,3)
# 添加参数facecolor设置画布颜色为'blue'
plt.figure(figsize=(4,3),facecolor='blue')

创建画布之后，我们的图形并不会显示出来，我们想要图片显示出来，需要使用plt.show()函数 

5.绘制折线图

我们首先设定一个下面的场景：每一月的每层楼的销售书的数据，来回根据这个数据进行折线图的绘制；

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 读取路径为 "/Users/yequ/书店每月销量数据.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据.csv")

# 通过 rcParams 参数将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# TODO 使用plt.plot()函数
# 以data["month"]为x轴的值和data["sum"]为y轴的值，绘制折线图
plt.plot(data["month"],data["sum"])

# TODO 使用plt.show()函数显示图像
plt.show()

这个就是先导入数据，plot函数的第一个参数就是我们的月份，第二个参数就是我们的总计的销售量 ；

6.对于折线图的美化

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 读取路径为 "/Users/yequ/书店每月销量数据.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据.csv")

# 通过 rcParams 参数将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# 使用plt.plot()函数
# 以data["month"]为x轴的值和data["sum"]为y轴的值，将颜色设置为"orange"，"o"作为标记点的样式
# "每月总销量"作为图例，绘制折线图
plt.plot(data["month"],data["sum"],color="orange",marker="o",label="每月总销量")

# TODO 使用plt.xlabel()函数，将x轴标题设置为"月份"
plt.xlabel("月份")
# TODO 使用plt.ylabel()函数，将y轴标题设置为"销量"
plt.ylabel("销量")
# TODO 使用plt.title()函数，将图表标题设置为"2019年8月至2020年7月书店每月销量走势"
plt.title("2019年8月至2020年7月书店每月销量走势")

# 使用plt.legend()函数显示图例
plt.legend()
# 使用plt.show()函数显示图像
plt.show()
  1. color是用来设置这个曲线的颜色；
  2. marker是用来表示这个曲线上面的标记点的形状；
  3. label是用来设计这个图例的，表明这个标记代表什么；legend函数显示图例
  4. xlabel,ylabel分别对于这个x,y轴进行说明，title就是这个折线图的题目说明；
  5. 这个地方顺便说明一下这个柱状图：使用plt.bar函数绘制，也是使用的xlabel和ylabel进行表示这个横纵坐标的含义，使用width进行这个柱状图的宽度的设置；

7.散点图的绘制

下面这个就是散点图的一个场景，绘制的是这个销量和广告费用的关系

其实可视化这个专题，都是大同小异：

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 读取路径为 "/Users/yequ/书店图书销量和广告费用.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/书店图书销量和广告费用.csv")

# 通过 rcParams 参数将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# TODO 使用plt.scatter()函数
# 以data["ads_fee"]为x轴的值和data["sales"]为y轴的值，绘制散点图
plt.scatter(data["ads_fee"],data["sales"])

# TODO 使用plt.xlabel()函数，将x轴标题设置为"广告费用"
plt.xlabel("广告费用")
# TODO 使用plt.ylabel()函数，将y轴标题设置为"销量"

plt.ylabel("销量")
# 使用plt.show()函数显示图像
plt.show()
  • 导入模块
  • 读取文件内容
  • 设置字体
  • scatter函数用来绘制散点图
  • xlabel和ylabel分别表示的就是横纵坐标 

8.双y轴叠加图

实际上这个图像需要我们的两个因变量都和这个自变量x有关系，这样的话，随着这个x的变化，这个两个y都可以有自己的变化，方便我们查看这个走势；

 

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt

# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 使用pd.read_csv()函数
# 读取路径为 "/Users/yequ/每月曝光量和转化率.csv" 的CSV文件，并赋值给变量data
data = pd.read_csv("/Users/yequ/每月曝光量和转化率.csv")

# 通过给 plt.rcParams["font.sans-serif"] 赋值
# 将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# TODO 使用plt.bar()函数
# 以data["month"]为x轴的值，data["exposure"]为y轴的值
# 绘制曝光量的柱状图

plt.bar(data["month"],data["exposure"])
# TODO 使用plt.twinx()函数，添加另一个y轴
plt.twinx()

# TODO 使用plt.plot()函数
# 以data["month"]为x轴的值，data["CVR"]为y轴的值
# 绘制转化率的折线图
plt.plot(data["month"],data["CVR"])

# 使用plt.show()函数显示图像
plt.show()
  • bar绘制柱状图，plot绘制折线图；
  • twinx用来增加一个y轴；
  • 我们在一个图里面绘制两个图像，如果都设置一个图例，就会出现下面的问题：

存在一个问题：柱状图和折线图的图例重合在了一起。

如果在绘图的时侯不设置图例位置，那么matplotlib会自动在图像中选择最合适的位置。

所以，柱状图和折线图的图例都被matplotlib模块放在了右上角，产生了重叠。 

# TODO 使用plt.legend()函数和loc参数，将图例显示在左上角"upper left"
plt.legend(loc="upper left")

9.簇形柱状图

这个图形就是对于一个维度上面的三个数据进行综合展示，比如和这个销售数据，同样是1月份的销售数据，可以同时显示出来2022年的1月，2023年的1月，2024年的1月;

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 使用pd.read_csv()函数
# 读取路径为 "/Users/yequ/书店每月销量数据.csv" 的CSV文件，并赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据.csv")

# 通过给 plt.rcParams["font.sans-serif"] 赋值
# 将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# TODO 对data变量使用plot.bar()函数绘制指定簇形柱状图
data.plot.bar("month",["first_floor","second_floor","third_floor"])

# 使用plt.show()函数显示图像
plt.show()
  • plot.bar就是用来绘制这个簇形柱状图的，第一个参数就是横坐标，第二个参数就是一个列表，表示的就是对个需要同时展示的结果；

10.百分比堆积柱状图 

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 使用pd.read_csv()函数
# 读取路径为 "/Users/yequ/书店每月销量数据百分比.csv" 的CSV文件，并赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据百分比.csv")

# 通过给 plt.rcParams["font.sans-serif"] 赋值
# 将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# TODO 使用plot.bar()函数
# 根据data变量，以"month"为x轴，["一楼","二楼","三楼"]为y轴
# 绘制百分比堆积柱状图
data.plot.bar("month",["一楼","二楼","三楼"],stacked=True)

# 使用plt.show()函数显示图像
plt.show()
  • stacked=True会使DataFrame中每一行的值垂直堆叠放置，形成堆积柱状图。
  • 效果展示： 

11.绘制多个子图（一个画布上面）

# 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 读取路径为 "/Users/yequ/书店每月销量数据.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据.csv")
# 读取路径为 "/Users/yequ/书店图书销量和广告费用.csv" 的CSV文件，并将结果赋值给变量df
df = pd.read_csv("/Users/yequ/书店图书销量和广告费用.csv")

# 通过 rcParams 参数将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

# 使用plt.subplot()函数添加4个子图
# 子图有两行两列
# 选择序号为1子图
plt.subplot(2,2,1)
# 使用plt.plot()函数绘制折线图
plt.plot(data["month"],data["sum"])
# TODO 使用plt.xticks()函数旋转x轴的刻度至90度
plt.xticks(rotation=90)

# 选择序号为2子图
plt.subplot(2,2,2)
# 使用plt.scatter()函数
# 以df["ads_fee"]为x轴的值和df["sales"]为y轴的值，绘制散点图
plt.scatter(df["ads_fee"],df["sales"])

# 选择序号为3的子图
plt.subplot(2,2,3)

# 选择序号为4子图
plt.subplot(2,2,4)

# TODO 使用plt.tight_layout()函数来调整子图布局
plt.tight_layout()

# 使用plt.show()函数显示图像
plt.show()
  • plt.tight_layout这个就是为了调整我们的子图的布局情况；
  • suplot函数用来绘制子图，前面的两个参数表示的是这个子图的行数和列数，第三个参数表示的就是这个子图位于那一个顺序上面；
  • xticks(rotation=90)这个是为了旋转我们的x轴说明文字的位置，不让我们的下面的子图遮挡x的说明；
  • 由于pandas模块不能像matplotlib.pyplot一样默认将图像绘制到当前的子图坐标轴上，所以需要传入ax=plt.gca()，来确保图像绘制在当前子图的坐标轴中。
  • # 导入matplotlib.pyplot，并使用"plt"作为该模块的简写
import matplotlib.pyplot as plt
# 导入pandas，并使用"pd"作为该模块的简写
import pandas as pd

# 读取路径为 "/Users/yequ/书店每月销量数据.csv" 的CSV文件，并将结果赋值给变量data
data = pd.read_csv("/Users/yequ/书店每月销量数据.csv")
# 读取路径为 "/Users/yequ/书店图书销量和广告费用.csv" 的CSV文件，并将结果赋值给变量df
df = pd.read_csv("/Users/yequ/书店图书销量和广告费用.csv")
# 使用pd.read_csv()函数
# 读取路径为 "/Users/yequ/书店每月销量数据百分比.csv" 的CSV文件，并赋值给变量percentData
percentData = pd.read_csv("/Users/yequ/书店每月销量数据百分比.csv")

# 通过 rcParams 参数将字体设置为 Arial Unicode MS 
plt.rcParams["font.sans-serif"] = "Arial Unicode MS"

#--------------------------------------------------------

# 使用plt.subplot()函数添加4个子图
# 子图有两行两列
# 选择序号为1子图
plt.subplot(2,2,1)
# 使用plt.plot()函数绘制折线图
plt.plot(data["month"],data["sum"])
# 使用plt.xticks()函数旋转x轴的刻度至90度
plt.xticks(rotation=90)
# 使用plt.xlabel()函数，将x轴标题设置为"月份"
plt.xlabel("月份")
# 使用plt.ylabel()函数，将y轴标题设置为"销量"
plt.ylabel("销量")

#---------------------------------------------------------

# 选择序号为2子图
plt.subplot(2,2,2)
# 使用plt.scatter()函数
# 以df["ads_fee"]为x轴的值和df["sales"]为y轴的值，绘制散点图
plt.scatter(df["ads_fee"],df["sales"])
# 使用plt.xlabel()函数，将x轴标题设置为"广告费用"
plt.xlabel("广告费用")
# 使用plt.ylabel()函数，将y轴标题设置为"销量"
plt.ylabel("销量")

#--------------------------------------------------------

# 选择序号为3的子图
plt.subplot(2,2,3)
# 使用plot.bar()函数和ax=plt.gca()
# 根据data中的数据
# 以"month"为x轴，["first_floor","second_floor","third_floor"]为y轴
# 绘制簇形柱状图
data.plot.bar("month",["first_floor","second_floor","third_floor"],ax=plt.gca())
# 使用plt.xlabel()函数，将x轴标题设置为"月份"
plt.xlabel("月份")
# 使用plt.ylabel()函数，将y轴标题设置为"销量"
plt.ylabel("销量")

#--------------------------------------------------------------

# 选择序号为4子图
plt.subplot(2,2,4)
# 使用plot.bar()函数，stacked=True和ax=plt.gca()
# 根据percentData中的数据
# 以"month"为x轴，绘制对比["一楼","二楼","三楼"]的百分比堆积柱状图
# 这个是用的就是pandas模块

percentData.plot.bar("month",["一楼","二楼","三楼"],stacked=True,ax=plt.gca())
# 使用plt.xlabel()函数，将x轴标题设置为"月份"
plt.xlabel("月份")
# 使用plt.ylabel()函数，将y轴标题设置为"占比"
plt.ylabel("占比")

#-----------------------------------------------------------

# 使用plt.tight_layout()函数来调整子图布局
plt.tight_layout()
# 使用plt.show()函数显示图像
plt.show()

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2053546.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

C盘扩容遇到恢复分区怎么办？

C盘扩容遇到恢复分区怎么办？

文章目录 1.0 问题描述2.0 了解恢复分区是啥3.0 恢复分区可以删除吗？（需确认好！）4.0 删除恢复分区（需要谨慎操作）4.0.1 管理员打开CMD4.0.2 查看磁盘 给C盘扩容 1.0 问题描述 想要给C盘扩容，但…
阅读更多...
Hyper-v ubuntu22 上外网方法

Hyper-v ubuntu22 上外网方法

1. 前置步骤 步骤一，首先新建一个虚拟网络交换机，我这里名称为vEthernet (hyper-v-ubuntu)，选【内部网络】 步骤二， 在网络设置中，找到可以上网的网卡，这里我用的是无线网卡WLAN，设置共享连接…
阅读更多...
【SpringBoot】SpringBoot的运行原理

【SpringBoot】SpringBoot的运行原理

SpringBoot项目中都有一个如下的启动类。 SpringBootApplication public class MyApplication {public static void main(String[] args) {SpringApplication.run(MyApplication.class,args);} }其中SpringBootApplication是这个启动类的核心注解，在它下面又有三个子…
阅读更多...
Spring Cloud Gateway动态路由及路由插件实现方案

Spring Cloud Gateway动态路由及路由插件实现方案

前言 sim-framework之前使用Zuul作为网关，结合Eureka实现了动态路由及灰度路由，但是存在以下几个问题： 性能问题：Zuul基于线程隔离，一个请求需要一个线程处理，而Gateway基于事件驱动，少量线程…
阅读更多...
Go项目布局

Go项目布局

Go项目布局，自举语言，源码是靠Go自己实现的 所以Go源码可以参考作为项目布局 源码放在src目录下 cmd放main internal目录下放不希望外部访问的代码（业务） common目录下可以放直接 import外部访问的 etc放配置文件yaml
阅读更多...
第二届海南大数据创新应用大赛 - 算法赛道冠军比赛攻略_海南新境界队

第二届海南大数据创新应用大赛 - 算法赛道冠军比赛攻略_海南新境界队

关联比赛: 第二届海南大数据创新应用大赛 - 智能算法赛 第二届海南大数据创新应用大赛 - 算法赛道冠军比赛攻略 首先很幸运能拿到这次初赛冠军，本着积极学习和提升自我的态度，团队成员通力合作是获胜关键，再次感谢。 赛题背景分析和理解 …
阅读更多...
gpio的使用-----＞4412的裸机的使用（第三节）

gpio的使用-----＞4412的裸机的使用（第三节）

这一节主要是 4412 的裸机的使用 0 4412 的硬件原理图 数据手册 然后是数据手册的解析： 每一组都有这几个 寄存器。 需要注意： 1、 4412 的中断是 与输入，输出在同一个级别的，与stm32不同。 2、 我是在uboot 上进行编程的&#x…
阅读更多...
重头开始嵌入式第二十二天（Linux系统编程 进程）

重头开始嵌入式第二十二天（Linux系统编程 进程）

进程 目录 进程 1.进程的概念 2.PCB（process control block） 3.进程和程序有什么区别？ 4.进程的内存分布 5.进程的分类 守护进程 6.进程的作用 7.进程的状态 8.进程的调度 9.查询进程的相关指令 1.ps aux 2.top 3.kill和killa…
阅读更多...
12 Text 组件

12 Text 组件

12 Text 组件 Tkinter 是 Python 的标准 GUI 库，而 Text 组件是其中用于显示和编辑多行文本的控件。以下是对 Text 组件的详细说明和一个使用案例。 Text 组件属性 基本属性 width: 文本框的宽度，通常以字符数为单位。height: 文本框的高度&#xff…
阅读更多...
亚世光电：消费电子年度表演

亚世光电：消费电子年度表演

机圈风云再起，消费电子乘风而起？ 今天我们来聊——亚世光电 最近，华为mate60突然降价，被大家怀疑是为新品上市做准备，算算时间，下半年的消费电子大战也即将拉开帷幕，而亚世光电所在的光电显示领…
阅读更多...
sklearn-线性回归

sklearn-线性回归

文章目录 一、sklearn-线性回归介绍二、线性回归1.一元线性回归2.多元线性回归模型3.最小二乘法 三、一元线性回归应用1.导入库2.绘制散点图3.建立回归模型并进行训练4.模型评估与数据查看5.模型测试 四、多元线性回归应用1.导入库2.计算相关性3.数据预处理4.训练评估模型5.模型…
阅读更多...
iOS 18.1 Beta 2评测：新变化与体验升级

iOS 18.1 Beta 2评测：新变化与体验升级

苹果公司近日向开发者推送了iOS 18.1 Beta 2更新，这一版本基于beta1版本进行多个方面优化和改进，为用户带来了更加流畅和个性化的使用体验。作为一位热衷于体验新系统的用户，小编也是第一时间升级了Beta 2版本，并对其进行了全面的…
阅读更多...
Java二十三种设计模式-状态模式（20/23）

Java二十三种设计模式-状态模式（20/23）

本文深入探讨了状态模式，一种允许对象根据其内部状态变化而改变行为的软件设计模式。文章从定义、组成部分、实现方式、使用场景、优缺点分析、与其他模式的比较，到最佳实践和建议，全面介绍了状态模式的各个方面。通过Java语言的实现示例和实…
阅读更多...
2024前端面试题-篇章一（个人向）

2024前端面试题-篇章一（个人向）

1.vue2生命周期（省略） 2.vue3生命周期（省略） 3.vue2页面生命周期与组件生命周期执行顺序： 一般是 页面先创建，然后准备再准备挂载，挂载的时候发现有组件再执行组件的生命周期，组件…
阅读更多...
数字影像技术是如何改变我们看待世界的方式呢？

数字影像技术是如何改变我们看待世界的方式呢？

在当今的科技时代，数字影像技术正以惊人的速度改变着我们的生活和视觉体验。那么，什么是数字影像技术呢？ 数字影像技术是指通过数字化手段对图像和视频进行获取、处理、存储、传输和展示的一系列技术。 它利用各种数字设备，如数…
阅读更多...
msf+proxychains组合搭建socks5隧道 | 内网穿透

msf+proxychains组合搭建socks5隧道 | 内网穿透

实验环境 网络拓扑： kali： VMnet1（公网）192.168.52.134 win10： VMnet1（公网）192.168.52.135VMnet2（内网）192.168.72.133 win2008： VMnet2&#xff08…
阅读更多...
【数据结构初阶】二叉树--基本概念

【数据结构初阶】二叉树--基本概念

hello！ 目录 一、树 1.1 树的概念和结构 1.2 树的相关术语 1.3 树的表示 1.4 树形结构实际应用场景 二、二叉树 2.1 概念和结构 2.2 特殊的二叉树 2.2.1 满二叉树 2.2.2 完全二叉树 2.3 二叉树的存储结构 2.3.1 顺序结构 2.3.2 链式结构 …
阅读更多...
转行到大模型，完整版攻略从大模型零基础到大模型精通，我是这样过来的

转行到大模型，完整版攻略从大模型零基础到大模型精通，我是这样过来的

在当今这个日新月异的时代，技术的更新迭代速度远超我们的想象。对于那些渴望在职业生涯中寻求新挑战的人来说，转向人工智能领域，尤其是投身于大规模语言模型的研究与开发，无疑是一个充满机遇的选择。本文将为您揭示如何从零开始&a…
阅读更多...
阿里十万卡训练集群 网络拓扑架构和优势 Alibaba HPN: A Data Center Network for Large Language Model Training

阿里十万卡训练集群 网络拓扑架构和优势 Alibaba HPN: A Data Center Network for Large Language Model Training

本博客的视频教程在这： 2.2阿里十万卡集群 网络拓扑架构和优势 Alibaba HPN: A Data Center Network for Large Language Model_哔哩哔哩_bilibili 一、大模型训练的核心问题 1.1 流量模式的问题 大语言模型训练的流量模式问题可参考这个： ECMP等价…
阅读更多...
Linux 服务器下非root用户安装CUDA完整流程（多次踩雷经验总结）

Linux 服务器下非root用户安装CUDA完整流程（多次踩雷经验总结）

参考博客： linux下安装cuda和cudnn（非root权限）_cuda下载安装 远程服务器 linux-CSDN博客 Linux下非root用户安装CUDA_linux下cuda-toolkit-archive-CSDN博客 非root用户安装cuda10.1，以及CUDA不同版本间切换_非root用户.run文…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023