2017-07-30 15:34 
forest~wow 
阅读(8468
评论(0
编辑 
收藏 
举报

python多版本以及各种包管理

由于Python有2.x和3.x两个大的版本,而且每一个工程建立所用的各种包的版本也不尽相同(如flask1.x),这使得若干个工程开发同一台主机上完成比较麻烦(工程不是由一个人来完成,不同人的配置版本也不尽相同,为了所有开发人员能成功开发,就必须使得开发环境的一致,而一个人可能参与若干个工程开发)。
pyenv 管理 Python 的版本。
virtualenv 管理 Python 工程中的包的版本(或者说 Python 项目的执行环境)管理。
不过现在pyenv-virtualenv集成了virtualenv功能,总体上,使用pyenv即可。
anaconda 和virtualenv整体差不多,不过它更加集中于科学计算方面的内容,所以许多科学计算包可以通过anaconda来进行管理。
总之,pyenv管理大的环境与版本之间的转换。anaconda可以在这个前提之下,进行小版本转换。
pyenv的路径:~/.pyenv/versions/

  1. sudo apt-get install -y make build-essential libssl-dev zlib1g-dev libbz2-dev \ 

  2. libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \ 

  3. xz-utils tk-dev 

利用pyenv管理系统版本,而利用anaconda管理第三方库。

  • (1) 选择安装到$HOME/.pyenv目录(但你可以在某处安装其他)。
    git clone https://github.com/yyuu/pyenv.git ~/.pyenv
  • (2)配置环境变量
    echo ‘export PYENV_ROOT=”$HOME/.pyenv”’ >> ~/.bashrc
    echo ‘export PATH=”$PYENV_ROOT/bin:$PATH”’ >> ~/.bashrc
  • (3)添加pyenv初始化到你的shell
    echo ‘eval “$(pyenv init -)”’ >> ~/.bashrc
    source ~/.bashrc   source bashrc必须重开一个shell窗口才生效
  1. git clone https://github.com/yyuu/pyenv.git ~/.pyenv 

  2. echo \’export PYENV_ROOT=”$HOME/.pyenv”\’ >> ~/.bash_profile 

  3. echo \’export PATH=”$PYENV_ROOT/bin:$PATH“\’ >> ~/.bash_profile 


  4. echo \’eval “$(pyenv init -)“\’ >> ~/.bash_profile 


  5. source ~/.bash_profile 


  • 展示python的某个版本,anaconda-2支持python2.6和2.7  anaconda-3支持python3.3和3.4
  1. hpc@hpc:~$ pyenv install –list 

  2. Available versions: 

  3. 2.1.3 

  4. 2.2.3 

  5. 2.3.7 

  6. 2.4 

  7. 2.4.1 

  8. 2.4.2 

  9. 2.4.3 

  10. 2.4.4 

  11. 2.4.5 

  • 安装和卸载python的某个版本
  1. pyenv install -v 2.7.5 

  2. pyenv uninstall 2.7.5 

  3. rm -rf ~/.pyenv/versions/2.7.5 ##移除版本2.7.5 

  • 查看并切换版本
  1. #tab键可以进行补全,通过versions命令查看大体,细节tab补全 

  2. pyenv versions 

  3. pyenv local 2.7.5 ##局部文件下版本切换 

  4. pyenv global 3.3.5   ##全局系统下的版本切换 

  • 通过pyenv安装Anaconda科学计算包
  1. pyenv install anaconda #pyenv install –list 查看版本 install之时通过tab进行补全 

  • 查看当前系统下的环境
  1. conda info -e 

  • 查看已经安装的包
  1. conda list 

  • 想要运行,必须先创造环境与管理环境中package
  1. conda create -n env_name 

  2.  


  3. # 查看某个指定环境的已安装包 


  4. conda list -n python34 

  5.  


  6. # 查找package信息 


  7. conda search numpy 

  8.  


  9. # 安装package 


  10. conda install -n python34 numpy 

  11. # 如果不用-n指定环境名称,则被安装在当前活跃环境 


  12. # 也可以通过-c指定通过某个channel安装 


  13.  


  14. # 更新package 


  15. conda update -n python34 numpy 

  16.  


  17. # 删除package 


  18. conda remove -n python34 numpy 

  • anaconda整体更新
  1. # 更新conda,保持conda最新 

  2. conda update conda 

  3.  

  4. # 更新anaconda 

  5. conda update anaconda 

  6.  

  7. # 更新python 

  8. conda update python 

  9. # 假设当前环境是python 3.4, conda会将python升级为3.4.x系列的当前最新版本 

  • anaconda国内镜像
    清华TUNA镜像源有Anaconda仓库的镜像,可以加速我们的版本安装,执行完下列命令后,会生成~/.condarc(Linux/Mac)或C:\Users\USER_NAME.condarc文件,记录着我们对conda的配置,直接手动创建、编辑该文件是相同的效果。
  1. # 添加Anaconda的TUNA镜像 

  2. conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 

  3. # TUNA的help中镜像地址加有引号,需要去掉 

  4.  

  5. # 设置搜索时显示通道地址 

  6. conda config –set show_channel_urls yes 

  • mkdir tensorflow
  1. pyenv install –list #查看版本 

  2. pyenv install anaconda3.xxxx #安装3版本 

  3. pyenv local anaconda3.xxxx #选择anaconda3版本环境 

  4. python #验证,会进入3版本 

  5. pyenv versions  #查看版本 

  • pyenv install anaconda属于安装了整个包,我们可以通过pyenv local设置使用anaconda2或者3来使用2或者3版本的python
  • anaconda引用之后,可以使用conda命令来建立环境,隔绝相互之间的影响,以安装numpy为例子
  1. conda create -n env_name 

  2.  


  3. # 查看某个指定环境的已安装包 


  4. conda list -n python34 

  5.  


  6. # 查找package信息 


  7. conda search numpy 

  8.  


  9. # 安装package 


  10. conda install -n python34 numpy 

  11. # 如果不用-n指定环境名称,则被安装在当前活跃环境 


  12. # 也可以通过-c指定通过某个channel安装 


  13.  


  14. # 更新package 


  15. conda update -n python34 numpy 

  16.  


  17. # 删除package 


  18. conda remove -n python34 numpy 

  1. conda install -n tensorflow python=3.6 

  2. # 此时会安装3.6版本相关的python包,包括pip3 


  3.  

  4. source activate tensorflow 

  5. # (tensorflow)$ # Your prompt should change  


  6.  

  7. pip install –upgrade tensorflow-gpu 

  8. #此时pip是属于3.6版本,安装也是最新版本的tf,从安装cp=3.6,安装过程中会出现xxx1.2.1,说明tf为1.2.1 


  9.  


  10. (tensorflow)$ pip install –ignore-installed –upgrade \ 


  11. https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp34-cp34m-linux_x86_64.whl 

  12. #指定版本安装 


  13.  

  14. source deactivate tensorflow 

  15. #退出环境变量 


  1. # Python 


  2. import tensorflow as tf 


  3. hello = tf.constant(\’Hello, TensorFlow!\’

  4. sess = tf.Session() 

  5. print(sess.run(hello)) 

  6.  

  7. #importError: libcusolver.so.8.0 


  8. export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH >>.bash_profile 

  1. #在任意一个目录下启动pyenv的相关环境变量 

  2. pyenv global anaconda3-4.4.0/envs/tensorflow #pyenv和anaconda结合 

  3. #find ~ -name \’tensorflow\’查找到tf于pip所安装的目录 

  4. ~/.pyenv/versions/anaconda3-4.4.0/envs/tensorflow/lib/python3.6/site-packages/tensorflow 

  1. #若重启之前对应文件夹里若使用过pyenv 对应环境 

  2. pyenv global anaconda 

  3. #通过pyenv versions验证 

  4.  

  5. conda install -n tensorflow sklearn 

  6. #会提示  sklearn: scikit-learn ,seaborn 

  7. conda install -n tensorflow scikit-learn 

  8. #conda会自动导入相关的包,libgfortran,mkl,numpy,scikit-learn,scipy 

  9.  

  10. #由于anaconda比较大,如果安装过大会导致用户所占硬盘过大 

  11. pyenv uninstall anaconda2.x.x 

  • 一般就安装一个anaconda版本,若网速过慢,可以考虑更改为国内镜像。
  • 万不得已不用anaconda建立新的环境变量,所占空间过大
  • 一般情况都使用pip来进行原生态的安装

版权声明:本文为forest-wow原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://www.cnblogs.com/forest-wow/p/7259311.html