Skip to content

InstallPython.md

Latest commit

 

History

History
352 lines (244 loc) · 8.48 KB

InstallPython.md

File metadata and controls

352 lines (244 loc) · 8.48 KB
Raw

安装Python环境

由于Python的库比较多，并且依赖关系比较复杂，所以请仔细阅读下面的说明，并按下面的说明来操作，减少问题出现的可能。 但是所列的安装方法说明里有较多的细节，也许和你的系统并不适配，所以可能会遇到问题。如果遇到问题请通过搜索引擎去查找解决的办法，并通过这个方式锻炼自己解决问题的能力。

可以参考后面所列的1.Winodws或者2.Linux章节所列的将Python环境安装到计算机里。

1. Windows下安装

由于Anaconda集成了大部分的python包，因此能够很方便的开始使用。由于网络下载速度较慢，因此推荐使用镜像来提高下载的速度。镜像的使用方法可以参考：Anaconda镜像的说明文档

  1. 在下列镜像网站找到适合自己的安装文件，然后下载

例如： https://mirrors.ustc.edu.cn/anaconda/archive/Anaconda3-2024.06-1-Windows-x86_64.exe

  1. 按照说明，把Anaconda安装好。

2. Linux下安装

在网站下载最新的conda安装文件，例如

wget https://mirrors.ustc.edu.cn/anaconda/archive/Anaconda3-2024.06-1-Linux-x86_64.sh

然后运行

bash ./Anaconda3-2024.06-1-Linux-x86_64.sh

按照提示完成安装（记得需要自动加入环境变量的设置），然后关闭终端，再打开终端

3. 设置软件源

3.1 设置conda软件源

参考这里的conda安装和软件源设置说明

各系统都可以通过修改用户目录下的 .condarc 文件。

Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。然后在命令行输入 notepad .condarc将下面的内容拷贝到文本编辑器里面。

Linux下，打开文件编辑器 gedit ~/.condarc，然后把下面的内容拷贝到这个文件中：

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

3.2 设置PIP源

pip config set global.index-url https://pypi.mirrors.ustc.edu.cn/simple/

指定给定的源来安装，可以在pip后面加上 --extra-index-url https://pypi.mirrors.ustc.edu.cn/simple/，例如：

sudo pip3 install conan==1.61.0 --extra-index-url https://pypi.mirrors.ustc.edu.cn/simple/

4. 安装常用软件

新建conda环境

conda create -n machinelearning python=3.9
conda activate machinelearning

其中 machinelearning 是新建的conda环境的名字

打开conda的命令行程序，输入下面的命令

conda install jupyter scipy numpy sympy matplotlib pandas scikit-learn

5. 安装PyTorch

GPU 版本

# 访问 https://pytorch.org/，查最新的安装命令
# 例如 pytorch-cuda=11.6

# 安装cudatoolkit
conda install cudatoolkit 

# 安装最新版本
conda install pytorch torchvision torchaudio pytorch-cuda -c pytorch -c nvidia

# 安装特定版本
#conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia

CPU 版本

conda install pytorch -c pytorch 
pip3 install torchvision

检测GPU是否在PyTorch中可用：

>>> import torch
>>> torch.cuda.is_available()

6. Conda使用技巧

6.1 Conda创建自己的环境

conda create -n <your_env> python=x.x

# example
conda create -n machinelearning python=3.8

上面的python=x.x中的x.x对应自己系统中的Python版本

6.2 Conda怎么激活自己的环境

conda activate <your_env>

# example 
conda activate machinelearning

6.3 Conda常用命令

# 帮助命令
conda -h
conda help

# 配置频道(已有)
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/

# 退出当前环境
conda deactivate

# 克隆环境
conda create -n BBB --clone AAA

# 删除一个环境
conda env remove --name envname

# 查看基本信息
conda info
conda info -h

# 查看当前存在环境
conda env list
conda info --envs

# 删除环境
conda remove -n <your_env> --all

7. 安装nvidia驱动

7.1 查看已有的nvidia驱动

dpkg -l | grep -i nvidia

7.2 卸载驱动

sudo apt-get purge nvidia-driver-xxx

7.3 搜索并安装的驱动

apt-cache search nvidia | grep 570
sudo apt-get install nvidia-driver-570 nvidia-utils-570

根据自己的需要可以安装更高的版本。

7.4 Conda使用cuda

conda install cudatoolkit=8.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

根据自己的需要安装更高的版本

8. uv

在 Python 开发中，包管理和环境隔离是每个开发者都会遇到的问题。无论是 pip 的缓慢、virtualenv 的繁琐，还是 conda 的臃肿，uv 都让开发者们期待一个更高效的解决方案。

uv 是由 Astral 公司开发的一款 Rust 编写的 Python 包管理器和环境管理器，它的主要目标是提供比现有工具快 10-100 倍的性能，同时保持简单直观的用户体验。

uv 可以替代 pip、virtualenv、pip-tools 等工具，提供依赖管理、虚拟环境创建、Python 版本管理等一站式服务。

参考资料：

8.1. 安装uv

使用pip安装

pip install uv

8.2. 设置源

Linux下设置临时的源：

# 阿里源示例
export UV_DEFAULT_INDEX=https://mirrors.aliyun.com/pypi/simple/
uv pip install -U numpy

修改 ~/.config/uv/uv.toml，镜像一直起作用

mkdir -p ~/.config/uv
cat >> ~/.config/uv/uv.toml <<'EOF'
[[index]]
url = "https://mirrors.aliyun.com/pypi/simple/"
default = true
EOF

设置Python安装文件的镜像

export UV_PYTHON_INSTALL_MIRROR="https://gh-proxy.com/github.com/indygreg/python-build-standalone/releases/download"
uv python install 3.13.2

8.3. 管理Python版本

# 列出所有的Python版本
uv python list

# 安装特点版本的Python
uv python install 3.13.2

8.4. 管理虚拟环境

创建并激活虚拟环境：

# 创建名为 .venv 的虚拟环境（默认）
uv venv

# 激活环境（macOS/Linux）
source .venv/bin/activate

# 激活环境（Windows）
.venv\Scripts\activate

# 强制安装基础包（如pip, setuptools, wheel）
uv venv --seed

# 在创建venv的时候指定Python版本
uv venv --python 3.13.2

在项目中指定 Python 版本：

# 为当前项目固定 Python 3.11，但是venv还是创建设定的Python版本
uv python pin 3.11

这会创建 .python-version 文件，标识项目所需的 Python 版本。

8.5. 包管理

安装包：

# 安装最新版本
uv pip install requests

# 安装特定版本
uv pip install requests==2.31.0

# 从 requirements.txt 安装
uv pip install -r requirements.txt

安装包到开发环境：

uv pip install --dev pytest

升级包：

uv pip upgrade requests

卸载包：

uv pip uninstall requests

导出依赖：

# 导出当前环境的依赖
uv pip freeze > requirements.txt

# 导出生产环境依赖（排除开发依赖）
uv pip freeze --production > requirements.txt

8.6. 项目管理

uv 支持 pyproject.toml 格式的项目管理，这是现代 Python 项目的标准配置文件。

初始化一个新项目：

uv init my_project
cd my_project

这会创建基本的项目结构和 pyproject.toml 文件。

安装项目的依赖：

uv sync

这个命令会根据 pyproject.toml 和 requirements.txt 安装所有依赖，类似于 pip install -e . 但更高效。