deepin安装虚拟环境virtualenv

  1. 安装pip

    # 考虑python版本,我是python3,如果是python2,下面就安装python2-pip
    sudo apt-get install python3-pip
    
  2. 安装virtualenv

    sudo pip3 install virtualenv 
    suduo pip3 install virtualenvwrapper
    
  3. 创建保存虚拟环境工作的目录

    mkdir $home/.virtualenvs
    
  4. 添加环境变量

    sudo vi ~/.bashrc 
    
    # 在环境变量中添加 虚拟环境配置路径(这是我的配置信息,具体根据下面解释更改自己的配置路径)
    export WORKON_HOME=$HOME/.virtualenvs
    export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
    export VIRTUALENVWRAPPER_VIRTUALENV=/home/deepin-yd/.local/bin/virtualenv
    source /home/deepin-yd/.local/bin/virtualenvwrapper.sh
    
    # 上面配置路径根据个人安装位置修改(下面不用添加,对路径的解释)
    export WORKON_HOME=$HOME/.virtualenvs
    # 这里申明虚拟环境的工作路径,也就是第6步中创建虚拟环境工作的目录
    
    export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
    # 这里是python3解释器的路径,上面路径是默认路径
    
    export VIRTUALENVWRAPPER_VIRTUALENV=/home/deepin-yd/.local/bin/virtualenv
    source /home/deepin-yd/.local/bin/virtualenvwrapper.sh
    # 1.上面两行命令是虚拟环境的配置路径,根据第2步个人安装路径的不同而改变,不同系统的默认路径也不一样,不同登录用户也不一样。在2步中以哪个用户安装,就安装到哪个用户的主目录下面了。
    # 2.如果找不到,可以用下面命令查找路径
    sudo find / -name "virtualenv"
    # 如下图
    # 到/home/deepin-yd/.loacl/bin这个路径下就能找到VIRTUALENVWRAPPER_VIRTUALENV 和 virtualenvwrapper.sh了。
    # 3.把路径按照找到更改上面的配置信息即可
    # 4.保存退出
    

  5. 重新加载bashrc

    source ~/.bashrc
    
  6. 创建虚拟环境

    # 创建名为test_virtualevn的虚拟环境
    mkdirtualenv test_virtualevn
    # 创建好后自动切换到虚拟环境了
    # 查看安装依赖包
    pip3 list
    
  7. 退出虚拟环境

    deactivate
    # 查看所有虚拟环境
    workon
    # 切换虚拟环境
    workon 虚拟环境名
    
  8. 拓展

    # virtualenvwrapper的其它命令
    mvirtualenv ENV 删除运行环境ENV
    mkproject hello 创建hello项目和运行环境hello
    mktmpenv 创建临时运行环境
    lsvirtualenv 列出可用的运行环境
    lssitepackages 列出当前环境安装的包
    
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 您可以参考以下步骤在Conda虚拟环境安装TensorFlow GPU:1.首先,在您的Deepin系统中安装Conda。2.然后,使用Conda创建一个虚拟环境。3.接着,在虚拟环境安装TensorFlow GPU。4.最后,激活您的虚拟环境,并开始使用TensorFlow GPU。 ### 回答2: 要在conda虚拟环境安装tfGPU,需要按照以下步骤进行操作: 1. 首先,确保在你的计算机上已经安装了conda。如果没有,请先下载并安装最新的conda发行版。 2. 打开终端或命令提示符窗口,在命令行中输入以下命令,创建一个新的conda虚拟环境: ``` conda create -n myenv ``` 其中,"myenv"是你给虚拟环境起的名称,可以根据自己的喜好进行更改。 3. 激活你的虚拟环境。在命令行中输入以下命令: ``` conda activate myenv ``` 4. 接下来,你需要安装NVIDIA GPU驱动程序和CUDA和cuDNN库。你可以根据你的显卡和CUDA版本到NVIDIA官方网站下载并安装对应版本的驱动程序和CUDA和cuDNN库。 5. 安装TensorFlow GPU版本。在命令行中输入以下命令: ``` conda install tensorflow-gpu ``` 这将会自动下载和安装最新版本的TensorFlow GPU。请注意,这可能会花费一些时间来解决依赖关系和下载安装所需的文件。 6. 安装其他必要的依赖项。根据你的项目需求,你可能需要安装其他一些依赖项,例如Keras等。你可以使用conda包管理器来安装这些依赖项。 7. 确认安装成功。在命令行中输入以下命令,启动Python解释器: ``` python ``` 然后,导入TensorFlow库并验证是否成功: ```python import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) ``` 如果输出显示了你安装的TensorFlow版本,并且指示GPU可用,则说明成功安装了tfGPU。 请注意,安装tfGPU需要相应版本的NVIDIA GPU驱动程序、CUDA和cuDNN库,以及与之兼容的TensorFlow版本。因此,请确保你按照官方文档中的要求进行安装,并根据你的硬件和软件环境进行相应的调整。 ### 回答3: 首先,为了在conda虚拟环境安装tfGPU,我们需要确保已经在deepin操作系统上成功安装了Anaconda和CUDA。 1. 首先,在deepin操作系统上下载并安装Anaconda。可以在Anaconda官方网站上下载合适的版本,并按照官方指南进行安装。 2. 安装完成后,打开终端,并创建一个新的conda虚拟环境。可以使用以下命令: conda create -n myenv python=3.8 "myenv"是虚拟环境的名称,你可以自己设置。 3. 激活虚拟环境: conda activate myenv 4. 接下来,安装CUDA。可以根据你的显卡型号和CUDA版本到NVIDIA官网上下载对应版本的CUDA,并按照官方指南进行安装。 5. 安装完成后,我们可以使用以下命令安装tensorflow-gpu: conda install tensorflow-gpu 以上步骤将在你的conda虚拟环境安装tfGPU。请注意,这些步骤需要一些时间和网络资源,所以请确保你的网络连接稳定。 安装完成后,你可以在python脚本或jupyter notebook中,导入tensorflow并开始使用tfGPU进行深度学习任务。确保在代码中使用`import tensorflow as tf`来导入tensorflow库,以便正确使用tfGPU加速功能。 希望以上信息能帮助你在deepin操作系统上成功安装tfGPU并进行深度学习任务。如果遇到任何问题,请参考conda和CUDA的官方文档或向相关社区求助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值