当前位置：首页 > news >正文

【OS安装与使用】part5-ubuntu22.04基于conda安装pytorch+tensorflow

news 来源：原创 2025/9/16 11:56:20

文章目录

一、待解决问题
- 1.1 问题描述
- 1.2 解决方法
二、方法详述
- 2.1 必要说明
- 2.2 应用步骤
- - 2.2.1 明确pytorch安装依赖
  - 2.2.2 conda创建虚拟环境
  - 2.2.3 安装pytorch
  - 2.2.4 验证pytorch安装
  - 2.2.5 安装Tensorflow
  - 2.2.6 验证Tensorflow安装
三、疑问
四、总结

一、待解决问题

1.1 问题描述

为了最终运行MARL算法代码，在安装好anaconda环境后，进行pytorch框架的安装。

1.2 解决方法

操作系统：ubuntu 22.04 LTS
显卡型号：Geforce RTX 4060 Mobile
显卡驱动：nvidia-550.120
CUDA版本：CUDA 12.4
预装软件：Anaconda

（1）明确pytorch安装依赖。
（2）conda创建虚拟环境。
（3）安装pytorch。
（4）验证pytorch安装。
（5）安装tensorflow。
（6）验证tensorflow安装。

二、方法详述

2.1 必要说明

❓ GPU、Nvidia显卡驱动、CUDA Toolkit、pytorch框架是什么关系呢？
简单来说就是图示中的关系，层层调用。

硬件设备：GPU 是一种专门用于进行图形计算和并行计算的硬件设备
硬件驱动：Nvidia 显卡驱动是运行在操作系统上的软件，用于让操作系统和应用程序能够与 Nvidia GPU 进行通信和交互。它提供了对 GPU 硬件的底层控制和管理，确保 GPU 能够正常工作，并将来自应用程序的指令正确地传递给 GPU。
GPU应用工具包：CUDA Toolkit 是用于开发基于 CUDA 应用程序的工具包，它包含了编译器、库、运行时环境等组件，使开发者能够利用 GPU 的强大计算能力进行通用计算。它依赖于 Nvidia 显卡驱动来与 GPU 进行交互。
深度学习框架：PyTorch 是一个流行的开源深度学习框架。它支持使用 GPU 来加速计算，当 PyTorch 运行在安装了 CUDA Toolkit 和 Nvidia 显卡驱动的环境中时，它可以通过 CUDA Toolkit 调用 GPU 的计算资源，从而实现对深度学习模型的快速训练和推理。

在这里插入图片描述

2.2 应用步骤

2.2.1 明确pytorch安装依赖

目标导向，首先查看pytorch官网，了解官网安装依赖。
链接：pytorch Get Start

总结如下：

python版本要求：3.9或更新
ubuntu版本要求：13.04或更新
包管理工具：Anaconda 或 pip3

（1）python版本要求：
在这里插入图片描述

（2）操作系统版本要求
在这里插入图片描述
（3）包管理工具要求

2.2.2 conda创建虚拟环境

依据pytorch中对python版本的要求，创建一个python 3.11的环境。

#查看已创建的虚拟环境
conda info --envs
#创建python 3.11的虚拟环境
conda create -n marl_onpolicy python=3.11
#激活刚创建的虚拟环境
conda activate marl_onpolicy
#安装pip3
sudo apt install python3-pip
#查看当前虚拟环境下已安装的包
conda list

在这里插入图片描述
❓ 这里为什么要安装pip3 ？
因为pytorch官网安装命令提示，已不支持conda安装。

2.2.3 安装pytorch

确认已安装的CUDA版本。

nvcc -V

在这里插入图片描述
在pytorch官网选择对应选项，并在虚拟环境下运行命令

pip3 install torch torchvision torchaudio

安装过程无报错，最后提示安装了如下组件：

Installing collected packages: triton, nvidia-cusparselt-cu12, mpmath, typing-extensions, sympy, pillow, nvidia-nvtx-cu12, nvidia-nvjitlink-cu12, nvidia-nccl-cu12, nvidia-curand-cu12, nvidia-cufft-cu12, nvidia-cuda-runtime-cu12, nvidia-cuda-nvrtc-cu12, nvidia-cuda-cupti-cu12, nvidia-cublas-cu12, numpy, networkx, MarkupSafe, fsspec, filelock, nvidia-cusparse-cu12, nvidia-cudnn-cu12, jinja2, nvidia-cusolver-cu12, torch, torchvision, torchaudio
Successfully installed MarkupSafe-3.0.2 filelock-3.17.0 fsspec-2025.2.0 jinja2-3.1.5 mpmath-1.3.0 networkx-3.4.2 numpy-2.2.3 nvidia-cublas-cu12-12.4.5.8 nvidia-cuda-cupti-cu12-12.4.127 nvidia-cuda-nvrtc-cu12-12.4.127 nvidia-cuda-runtime-cu12-12.4.127 nvidia-cudnn-cu12-9.1.0.70 nvidia-cufft-cu12-11.2.1.3 nvidia-curand-cu12-10.3.5.147 nvidia-cusolver-cu12-11.6.1.9 nvidia-cusparse-cu12-12.3.1.170 nvidia-cusparselt-cu12-0.6.2 nvidia-nccl-cu12-2.21.5 nvidia-nvjitlink-cu12-12.4.127 nvidia-nvtx-cu12-12.4.127 pillow-11.1.0 sympy-1.13.1 torch-2.6.0 torchaudio-2.6.0 torchvision-0.21.0 triton-3.2.0 typing-extensions-4.12.2

2.2.4 验证pytorch安装

（有pycharm、vscode等IDE的可跳过这一步）
首先安装spyder IDE

conda install spyder
#启动spyder
spyder

官方提供了验证方式，在IDE中python编译以下代码，能够正确输出即表示pytorch安装成功。

import torch
x = torch.rand(5, 3)
print(x)
if torch.cuda.is_available():print("cuda available_flag: yes")
else:print("cuda available_flag: no")

输出矩阵，并且表明CUDA可使用，即安装成功。
在这里插入图片描述

2.2.5 安装Tensorflow

在虚拟环境下，开始安装。
（！需要主要的是，tensorflow 版本对python版本是有需求的，先自动安装，不能运行再调整版本）

conda install tensorflow-gpu
#查看tensorflow版本
conda list | grep tensor

在这里插入图片描述

2.2.6 验证Tensorflow安装

打开spyder，输入以下代码，看是否有输出。

import tensorflow as tf# 检查 TensorFlow 是否使用 GPU
print("TensorFlow version:", tf.__version__)
print("GPU Available:", tf.config.list_physical_devices('GPU'))# 创建一个简单的矩阵乘法
a = tf.constant([[1.0, 2.0], [3.0, 4.0]])
b = tf.constant([[1.0, 1.0], [0.0, 1.0]])
c = tf.matmul(a, b)# 打印结果
print("Result of matrix multiplication:")
print(c.numpy())

警告：oneDNN 自定义操作已开启

I tensorflow/core/util/port.cc:153] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from different computation orders. To turn them off, set the environment variable

大模型给出的回答如下：

oneDNN 是 Intel 提供的一个跨平台的高性能数学函数库，用于优化深度学习中的计算性能。
TensorFlow 默认启用了 oneDNN 优化，以提高某些操作（如卷积、池化等）的性能。
由于 oneDNN 优化可能会改变计算顺序，因此可能会导致浮点数舍入误差，从而产生略微不同的数值结果。
如果你对数值结果的精确性有严格要求，或者希望避免这种差异，可以选择禁用 oneDNN 优化。

可以设置环境变量，禁止oneDNN，gedit打开 .bashrc

sudo gedit ~/.bashrc

将下面代码添加到 .bashrc 中保存

#ban oneDNN
export TF_ENABLE_ONEDNN_OPTS=0

应用环境变量

source ~/.bashrc

或者，在代码开头加上以下语句，手动禁用oneDNN

import os
os.environ['TF_ENABLE_ONEDNN_OPTS'] = '0'

还有一些，注册信息的警告，如下：

2025-02-21 11:02:27.637298: E external/local_xla/xla/stream_executor/cuda/cuda_fft.cc:485] Unable to register cuFFT factory: Attempting to register factory for plugin cuFFT when one has already been registered
2025-02-21 11:02:27.657790: E external/local_xla/xla/stream_executor/cuda/cuda_dnn.cc:8454] Unable to register cuDNN factory: Attempting to register factory for plugin cuDNN when one has already been registered
2025-02-21 11:02:27.664602: E external/local_xla/xla/stream_executor/cuda/cuda_blas.cc:1452] Unable to register cuBLAS factory: Attempting to register factory for plugin cuBLAS when one has already been registered

网友回答：

这些警告信息表明在你的环境中，cuDNN、cuFFT和cuBLAS插件已经被注册过一次，而在你导入pytorch_lightning时，它尝试再次注册。通常情况下，这不会影响程序的正常运行。

因此，这个不用管，最后看到代码成功运行并输出GPU型号，至此，tensorflow-gpu安装成功！！！

在这里插入图片描述

💐💐💐 完结撒花 💐💐💐

三、疑问

暂无

四、总结

GPU、显卡驱动、CUDA Toolkit都是nvidia官方提供的。
pytorch 作为深度学习框架提供了许多模型，用户可以基于这些模型开发自己应用。
anaconda 作为包管理工具可以很好地控制各开发代码的环境，编写新代码时建议创建新环境，以更好控制代码版本。

【OS安装与使用】part5-ubuntu22.04基于conda安装pytorch+tensorflow

文章目录一、待解决问题1.1 问题描述1.2 解决方法二、方法详述2.1 必要说明2.2 应用步骤2.2.1 明确pytorch安装依赖2.2.2 conda创建虚拟环境2.2.3 安装pytorch2.2.4 验证pytorch安装2.2.5 安装Tensorflow2.2.6 验证Tensorflow安装三、疑问四、总结一、待解决问题 1.1 问题…...

编程日记 2025/9/16 11:56:20

SVM 支持向量机

Owner: 潘达斯奈基 #数据科学/机器学习/SVM 一支持向量机简介支持向量机（Support Vector Machine， SVM）是一个二元分类算法，是对感知器算法模型的一种拓展，现在的SVM算法支持线性分类和非线性分类应用&#xff0c…...

编程日记 2025/9/14 4:17:23

第1章大型互联网公司的基础架构——1.9 LSM Tree

**LSM Tree（Log-Structured Merge Tree）是一种对高并发写数据非常友好的键值存储模型，同时兼顾了查询效率。**LSMTree是我们下面将要介绍的NoSQL数据库所依赖的核心数据结构，例如BigTable.、HBase、 Cassandra、TiDB 等。 1.9.1 …...

编程日记 2025/9/15 11:57:48

053 性能压测单机锁 setnx

文章目录性能压测-压力测试索引thymeleafnginx减少数据库查询（代码有bug）缓存安全单机锁（防止缓存击穿）setnx pom.xml 性能压测-压力测试 1 响应时间（Response Time: RT）：响应时间指用户从客…...

编程日记 2025/9/14 16:00:02

眼见不一定为实之MySQL中的不可见字符

目录前言一、问题的由来 1、需求背景 2、数据表结构二、定位问题 1、初步的问题 2、编码是否有问题 3、依然回到字符本身三、深入字符本身 1、回归本质 2、数据库解决之道 3、代码层解决四、总结前言在开始今天的博客内容之前，正在看博客的您先…...

编程日记 2025/9/14 15:33:24

【Java 面试八股文】JVM 虚拟机篇

JVM 虚拟机篇 1. JVM组成1.1 JVM由那些部分组成，运行流程是什么？1.2 什么是程序计数器？1.3 你能给我详细的介绍Java堆吗?1.4 Java 虚拟机栈1.4.1 Java Virtual machine Stacks (java 虚拟机栈)1.4.2 栈和堆的区别1.4.3 垃圾回收是否涉及栈内…...

编程日记 2025/9/14 22:31:17

达梦数据库学习笔记@1

目录达梦数据库学习笔记一、表空间管理（一）默认表空间（二）相关数据字典（三）表空间操作（四）临时表空间管理二、重做日志管理（一）系统视图（二&…...

编程日记 2025/9/15 18:03:43

条款23：宁以non-member、non-friend替换member函数

1.使用场景举例网络浏览器类当然这一功能也可以由一个non-menber函数（更好的封装，本条款的核心立意）提供： 面向对象守则要求数据应该尽可能的被封装，然而与直观相反地，member函数clearEverything带来的封…...

编程日记 2025/9/14 3:35:54

代码审计初探

学会了基础的代码审计后，就该提高一下了，学一下一些框架的php代码审计先从一些小众的、已知存在漏洞的cms入手 phpems php的一款开源考试系统源码下载 https://down.chinaz.com/soft/34597.htm 环境部署 windows审计，把相关文件放到phps…...

编程日记 2025/9/15 20:54:15

2025前端框架最新组件解析与实战技巧：Vue与React的革新之路

作者：飞天大河豚引言 2025年的前端开发领域，Vue与React依然是开发者最青睐的框架。随着Vue 3的全面普及和React 18的持续优化，两大框架在组件化开发、性能优化、工程化支持等方面均有显著突破。本文将从最新组件特性、使用场景和编码技巧三…...

编程日记 2025/9/13 17:23:57

Eclipse自动排版快捷键“按了没有用”的解决办法

快捷键按了没有用，通常是因为该快捷键方式被其他软件占用了，即别的软件也设置了这个快捷键，导致你按了之后电脑不知道该响应哪个软件。解决办法：1.将当前软件的这个快捷键改了；2.找到占用的那个软件，把那…...

编程日记 2025/9/16 2:17:29

小型字符级语言模型的改进方向和策略

小型字符级语言模型的改进方向和策略一、回顾小型字符级语言模型的处理流程前文我们已经从零开始构建了一个小型字符级语言模型，那么如何改进和完善我们的模型呢？有哪些改进的方向？我们先回顾一下模型的流程：图1 小型字符级语言模型的处理流程（1）核心模块交互过程：…...

编程日记 2025/9/16 2:17:32

请简述一下Prefab（预制体）的本质是什么？

在 Unity 中，Prefab（预制体）是一种非常重要的资产类型。 Prefab 本质上是一个可重复使用（开发者可以在场景中多次实例化同一个预制体）的游戏对象模板（预制体就像一个模板，对预制体本身的修改会…...

编程日记 2025/9/13 17:29:47

【开源项目】分布式文本多语言翻译存储平台

分布式文本多语言翻译存储平台地址： Gitee：https://gitee.com/dreamPointer/zza-translation/blob/master/README.md 一、提供服务分布式文本翻译服务，长文本翻译支持流式回调（todo）分布式文本多语言翻译结果存储服…...

编程日记 2025/9/15 17:56:18

使用GPU训练模型

1.说明本地训练模型可以用CPU和GPU，但是GPU的性能比CPU要好得多，所以如果有独立显卡的，尽量还是用GPU来训练模型。使用GPU需要安装Cuda和Cudnn 2.安装Cuda 安装cuda之前，首先看一下显卡支持的cuda版本，在命…...

编程日记 2025/9/8 13:46:27

DPVS-3: 双臂负载均衡测试

测试拓扑双臂模式， 使用两个网卡，一个对外，一个对内。 Client host是物理机， RS host都是虚拟机。 LB host是物理机，两个CX5网卡分别在两个子网。配置文件用dpvs.conf.sample作为双臂配置文件，其中…...

编程日记 2025/9/9 13:43:55

Spring Security+JWT+Redis实现项目级前后端分离认证授权

1. 整体概述权限管理包括用户身份认证和授权两部分，简称认证授权。对于需要访问控制到资源，用户首先经过身份认证，认证通过后用户具有该资源的访问权限方可访问。 1.1 认证概述认证是确认用户身份的过程，确保用户是谁。 1.1.1 …...

编程日记 2025/9/11 10:20:23

马斯克宣布Grok语音模式正式上线：早期测试版本可能有一些问题

快科技2月23日消息，据报道，马斯克旗下xAI团队近期动作频频，继2月18日直播发布Grok最新版本Grok3后，马斯克又在社交平台X上宣布，Grok语音模式早期测试版现已在Grok应用程序上线，并对其表现给予了高度评价。 …...

编程日记 2025/9/12 8:47:07

P9631 [ICPC 2020 Nanjing R] Just Another Game of Stones Solution

Description 给定序列 a ( a 1 , a 2 , ⋯ , a n ) a(a_1,a_2,\cdots,a_n) a(a1,a2,⋯,an)，有 m m m 个操作分两种： chmax ⁡ ( l , r , k ) \operatorname{chmax}(l,r,k) chmax(l,r,k)：对每个 i ∈ [ l , r ] i \in [l,r] i∈[l,…...

编程日记 2025/9/14 10:12:19

请求go构建缓存，go clean -cache

go clean -cache go 构建时会产生很多缓存， 一般是目录：/Users/xxx/Library/Caches/go-build 此目录README： This directory holds cached build artifacts from the Go build system. Run "go clean -cache" if the directory …...

编程日记 2025/9/9 0:09:58

安全面试4

文章目录给的源码是ThinkPHP框架的话，审计起来和没有使用框架的有什么不同，从流程上或者从关注的点上有什么不同框架代码审计的流程无框架代码审计的流程反序列的时候，unserialize()反序列一个字符串的时候，对象会有一些魔术方法…...

编程日记 2025/9/13 20:18:01

HTML之JavaScript DOM操作元素（1）

HTML之JavaScript DOM操作元素（1） 3.对元素进行操作1.操作元素的属性元素名.属性名 ""2.操作元素的样式元素.style.样式名 "" 样式名 "-" 要进行驼峰转换3.操作元素的文本元素名.innerText 只识别文本元素名…...

编程日记 2025/9/8 12:31:05

SpringBoot+Vue+微信小程序的猫咖小程序平台（程序+论文+讲解+安装+调试+售后）

感兴趣的可以先收藏起来，还有大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，我会一一回复，希望帮助更多的人。系统介绍在当下这个高速发展的时代，网络科技正以令人惊叹的速度不断迭代更新。从 5G …...

编程日记 2025/9/14 21:20:10

【十一】Golang 指针

💢欢迎来到张胤尘的开源技术站 💥开源如江河，汇聚众志成。代码似星辰，照亮行征程。开源精神长，传承永不忘。携手共前行，未来更辉煌💥 文章目录指针指针定义指针初始化& 操作符new 函数初始…...

编程日记 2025/9/16 0:26:37

“conda”不是内部或外部命令，也不是可运行的程序或批处理文件

有的时候，我们发现在cmd黑框中输入conda时，cmd会显示“conda”不是内部或外部命令，也不是可运行的程序或批处理文件，那这时候该怎么解决呢？ Step01：我们找到Anconda的安装目录。然后找到里面的bin文件夹&am…...

编程日记 2025/9/8 0:29:29

通过LM Studio本地私有化部署DeepSeek-R1模型，无网络也能用

打开LM Studio官网https://lmstudio.ai/ 选择适合自己的操作系统，下载LM Studio安装包本地电脑安装成功后运行LM Studio，顶部文本框输入deepseek，点击搜索模型在搜索结果中选择7B参数模型， 如上图右侧提示“No result found”说…...

编程日记 2025/9/14 1:47:58

GPU和FPGA的区别

GPU（Graphics Processing Unit，图形处理器）和 FPGA（Field-Programmable Gate Array，现场可编程门阵列）不是同一种硬件。我的理解是，虽然都可以用于并行计算，但是GPU是纯计算的硬件…...

编程日记 2025/9/11 10:34:59

CMake管理依赖实战：多仓库的无缝集成

随着软件复杂度的增加，单个项目可能需要依赖多个外部库或模块。这些依赖项可能是来自不同的代码仓库，如ATest和BTest。为了实现高效的依赖管理，CMake提供了多种方式来处理这种多仓库的情况。下面我们将详细介绍几种常见的方法，并通…...

编程日记 2025/9/16 2:32:42

Windows系统第一次运行C语言程序，环境配置，软件安装等遇到的坑及解决方法

明确需要编辑器和编译器，并选择自己要用什么（我选的编辑器是VSCode：Visual Studio Code；编译器是gcc）下载VSCode并配置环境变量（这里没啥问题），安装C/C的拓展安装Cygwin，…...

编程日记 2025/9/11 4:06:01

2025最新版！Fiddler抓包实战：深度解析短视频评论采集技术

2025最新版！Fiddler抓包实战：深度解析短视频评论采集技术（脱敏） 声明： 本文仅供学习交流使用，请勿用于非法用途。导语： 短视频数据采集又有新突破！你是否好奇如何安全、高效地获…...

编程日记 2025/9/15 0:33:02

Linux信号

目录 1. 信号的概念搞定（输出结论，支撑我们的理解） 补充知识 2.信号的产生补充知识 3.信号的保存 4.阻塞信号 1. 信号其他相关常见概念 2. 在内核中的表示 3. sigset_t 4. 信号集操作函数 sigprocmask sigpending 5. 信号的…...

编程日记 2025/9/13 22:23:57

git,bash - 从一个远端git库只下载一个文件的方法

文章目录 git,bash - 从一个远端git库只下载一个文件的方法概述笔记写一个bash脚本来自动下载get_github_raw_file_from_url.shreanme_file.shfind_key_value.sh执行命令 END git,bash - 从一个远端git库只下载一个文件的方法概述 github上有很多大佬上传了电子书库&#xf…...

编程日记 2025/9/15 13:43:56

深度学习（5）-卷积神经网络

我们将深入理解卷积神经网络的原理，以及它为什么在计算机视觉任务上如此成功。我们先来看一个简单的卷积神经网络示例，它用干对 MNIST数字进行分类。这个任务在第2章用密集连接网络做过，当时的测试精度约为 97.8%。虽然这个卷积神经网络很简单…...

编程日记 2025/9/14 11:10:56

flex布局自定义一行几栏,靠左对齐===grid布局

模板 <div class"content"><div class"item">1222</div><div class"item">1222</div><div class"item">1222</div><div class"item">1222</div><div class"…...

编程日记 2025/9/14 18:56:41

（五)趣学设计模式之建造者模式！

目录一、啥是建造者模式？二、为什么要用建造者模式？三、建造者模式怎么实现？四、建造者模式的应用场景五、建造者模式的优点和缺点六、总结 🌟我的其他文章也讲解的比较有趣😁，如果喜欢博主的讲解方…...

编程日记 2025/9/15 9:52:17

下载rpm包 wget https://dl.min.io/server/minio/release/linux-amd64/archive/minio-20230809233022.0.0.x86_64.rpm 安装 rpm -ivh minio-20230809233022.0.0.x86_64.rpm 运行 server 后面跟着的使minio 的数据目录；console-address 后面跟着的是minio 的管理…...

编程日记 2025/9/11 15:27:53

vLLM学习1

调用方式一、vLLM 提供的两种调用方式 1. Offline Batched Inference（离线批处理） 调用特点：一次性传入一批（batch）的请求，等待所有请求都处理完毕后，一次性返回推理结果。对用户而言&#x…...

编程日记 2025/9/10 0:27:54

ABC 385

目录 C. Illuminate Buildings D. Santa Claus E. Snowflake Tree C. Illuminate Buildings dp[ i ][ j ]：选择的 i 个建筑，间隔为 j。这样只需要两层循环就可以了，o（n^2） 其实本质只是个一维 dp，但我还需…...

编程日记 2025/9/15 11:04:44

綫性與非綫性泛函分析與應用_1.例題(下)-半母本

第1章實分析與函數論：快速回顧(下) 五、基數；有限集和無限集相關例題例題1：集合基數的判斷判斷集合和集合B=\{a,b,c,d,e\}的基數關係。解析：可以構造一個雙射，例如，，，，。所以，兩個集合具有相同的基數。例題2：可數集的證明證明整數集是可數集。解析： …...

编程日记 2025/9/15 0:53:11

49 set与map的模拟实现

目录一、源码及框架分析二、模拟实现map和set （一）复用红黑树的框架，并支持insert （二）支持迭代器的实现 （三）map支持 [ ] （四）整体代码实现一、源码及框架分析…...

编程日记 2025/9/15 5:04:18

鸿蒙NEXT应用App测试-通用测试

注意：大家记得学完通用测试记得再学鸿蒙专项测试 https://blog.csdn.net/weixin_51166786/article/details/145768653 注意：博主有个鸿蒙专栏，里面从上到下有关于鸿蒙next的教学文档，大家感兴趣可以学习下如果大家觉得博主文章…...

编程日记 2025/9/16 8:55:39

LangChain 技术入门指南：探索语言模型的无限可能

在当今的技术领域，LangChain 正逐渐崭露头角，成为开发语言模型应用的强大工具。如果你渴望深入了解并掌握这一技术，那么就跟随本文一起开启 LangChain 的入门之旅吧！ (后续将持续输出关于LangChain的技术文章,有兴趣的同学可以关注…...

编程日记 2025/9/16 5:10:04

UE5销毁Actor，移动Actor，简单的空气墙的制作

1.销毁Actor 1.Actor中存在Destory()函数和Destoryed()函数 Destory()函数是成员函数，它会立即标记 Actor 为销毁状态，并且会从场景中移除该 Actor。它会触发生命周期中的销毁过程，调用 Destroy() 后，Actor 立即进入销毁过程。具体…...

编程日记 2025/9/9 1:50:48

STM32基础篇(二)------GPIO

GPIO简介 GPIO（General Purpose Input Output）通用输入输出口可配置为8种输入输出模式引脚电平：0V~3.3V，部分引脚可容忍5V 输出模式下可控制端口输出高低电平，用以驱动LED、控制蜂鸣器、模拟通信协议输出时序等输入…...

编程日记 2025/9/16 7:21:32

亲测Win11电脑可以安装LabVIEW的版本，及2015、2018、2020版本直接的区别

下面是我电脑的信息设备名称 DESKTOP-04HHS8S 处理器 13th Gen Intel(R) Core(TM) i5-13500H 2.60 GHz 机带 RAM 16.0 GB (15.7 GB 可用) 设备 ID 82798104-C565-4167-A21E-5EB5DEFAA541 产品 ID 00331-20300-00000-AA678 系统类型 64 位操作系统, 基于 …...

编程日记 2025/9/10 3:40:59