Linux下的python的部署

一、python的验证

一般情况下liunx系统都会自带python

输入python --version 便可以查看当前安装的python版本

二、Linux系统下安装anaconda

步骤大纲：下载anaconda文件→更改文件的权限→开始安装→完成交互问题（更改安装位置）→配置环境变量→更改文件目录权限

2.1、下载anaconda的安装包

官方网址下载：Index of /下载速度比较慢，

建议使用清华开源镜像网站下载然后手动上传到linux上，

下载地址：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror。

下载Anaconda3-5.3.1-Linux-x86_64.sh版本就行，文件大小637M

或者在该网站上复制需要的版本的下载链接，然后直接在linux命令行中输入

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.3.1-Linux-x86_64.sh

2.2、使用Linux命令进行安装

2.2.1、上传

将Anaconda3-5.3.1-Linux-x86_64.sh文件从本地上传至/home文件夹下（PS：因为我的磁盘是在/home下挂载的，上传到哪里不影响）

2.2.2、安装

在命令行中切换到anaconda文件所在目录，然后输入：

sh Anaconda3-<对应的版本号>-Linux-x86_64.sh

询问你是否同意 anaconda3 的 license，输入yes，回车即可

这是条款什么的，一直回车到

输入yes

（确认位置）

（PS：一般使用默认的安装即可，官方也推荐使用默认的安装路径，默认的安装路径格式如下：/home//anaconda<2 or 3> 如果是root用户则是：/root/anaconda<2 or 3>）

再次输入yes

（开始安装）

到这里是请求用户是否希望对Anaconda3进行初始化再次输入yes

此时系统弹窗问是否继续安装Microsoft Vscode（提供一种快速的编码编译调试工具）根据个人需求决定是否安装

此处未安装该工具所以输入了no，安装结束

2.2.3、配置环境变量

安装完成后，我们还需要对环境变量进行添加，方便我们启动。无论是哪种内核（版本）的系统，都可以通过修改 /etc/profile 或者 /etc/bashrc的配置信息来达到设置环境变量的目的。

在命令行中进行以下操作：输入 sudo vi /etc/profile在文件的末尾加上下述代码：

export PATH=$PATH:/home/ anaconda3/bin

代码中的/home/anaconda3/需要替换为实际的安装路径。

或者直接在命令行中输入export PATH=$PATH:/home/ anaconda3/bin也可。

2.2.4、检验是否安装成功

检查命令行运行：在命令行中输入 conda --version 或者conda -V命令，如果能够成功输出 Anaconda 的版本号，则说明 Anaconda 安装成功。

打开终端(Terminal)，输入python3，如果显示如下图，则表示安装成功。

自此已经完成了Anaconda3的安装。

2.2.5、conda更换镜像源

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

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

conda config --set show_channel_urls yes

2.2.6、python更换镜像源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2.2.7、python虚拟环境的使用

有些python发行版提供了python虚拟环境安装，如conda、virtualenv等

查看当前python的虚拟环境conda env list

使用conda创建一个新的虚拟环境。以下是创建名为myenv的环境

conda create -n myenv

conda create --name pytorch python=3.7

查看当前创建的虚拟环境

conda env list

conda info --envs

激活新创建的虚拟环境：

conda activate pytorch

现在，你已经在名为myenv的虚拟环境中，可以开始安装所需的包，并运行Python应用程序。

要退出虚拟环境，使用：

conda deactivate

这些环境可以将Python及其相关包完全隔离开来，有自己的包目录。具体目录位置可以根据不同的虚拟环境而定。

三、Python的依赖库

3.1、安装依赖库

3.1.1、更换为python环境虚拟环境

首先进入python的虚拟环境中。此时输入命令：

conda activate myenv

可以看到这里的虚拟环境为base

3.1.2、安装依赖的注意事项

1、root用户下可能会出现各种奇怪的问题，故不建议使用root用户下安装依赖库。

2、安装依赖库时应注意不要安装在系统指定的路径下，要安装到磁盘挂载的目录下，否则会出现磁盘不足的情况。

3、部分包安装过程中会吃缓存。应注意缓存空间是否足够。

4、此处下载的位置是/home/anaconda3/lib/python3.7/site-packages

5、linux下彻底修改python的包/模块导入路径python模式下，有时候需要导入import某些模块或者包。明明这个模块/包是存在的，却提示导入错误。本文提供一个长期有效的办法，在linux命令行下使用 expert 工具：

export PYTHONPATH= /home/miniconda3/lib/python3.12/site-packages

3.1.3、下载项目

在GitHub中下载Atom的项目，此处这里测试的是7B（开源可商用）

下载地址：https://github.com/LlamaFamily/Llama-Chinese?tab=readme-ov-file

在上一步的虚拟环境base中将项目的依赖库导进去。

torch==2.1.2

bitsandbytes==0.42.0

accelerate==0.27.2

numpy==1.26.4

gekko==1.0.6

pandas

scipy

sentencepiece==0.2.0

datasets

evaluate

pytest

peft==0.8.2

transformers==4.39.0

deepspeed==0.14.0

scikit-learn

torchvision

torchdata

torchaudio

tensorboard

gradio

packaging

此处为GitHub上提供的在项目部署时需要下载的依赖库，部分包比较大，注意所部署的内存

使用pip install （包名） 开始下载安装，注意这里根据需求指定安装路径

故这里的安装命令为

pip install torch --target=/home/anaconda3/lib/python3.7/site-packages

之前更换了镜像园，故下载速度还是很快的

3.2、延伸拓展卸载包

3.2.1. linux下python 包的位置

在Linux系统下，Python的包通常存放在以下几个文件夹中：

1. /usr/lib/python2.7/dist-packages/：这是系统级别的Python包目录，包含了系统安装的Python包，一般不建议在这个目录下修改或添加包。

2. /usr/local/lib/python2.7/dist-packages/：这是本地级别的Python包目录，一般在系统级包目录无法满足需求时使用。可以使用pip来安装包，并将其安装到这个目录下。

3. ~/.local/lib/python2.7/site-packages/：这是用户级别的Python包目录，只对当前用户生效。如果你不希望其他用户访问到安装的包，可以将其安装到这个目录下。

3.2.2. 使用pip卸载包

pip是Python的包管理工具，可以用于安装、升级和卸载Python的第三方库。要卸载库，我们只需要使用pip的uninstall命令。下面是卸载一个名为numby的库的示例：

pip uninstall numby

在执行此命令后，系统会提示确认是否卸载该库。根据提示输入“y”并按回车键确认卸载。

出现Successfully uninstalled numpy-1.26.4这样，numpy-1.26.4库就被成功地从系统中卸载了。

3.2.3. 查看已安装的包

如果想查看系统上已经安装了哪些Python库，可以使用pip的list命令。下面是查看已安装库的示例：pip list

3.2.4. 卸载所有已安装的包

有时候我们可能需要卸载系统上所有已安装的Python库，可以使用pip的freeze和uninstall命令的组合实现。freeze命令会列出所有已安装的库及其版本，而uninstall命令会逐个卸载库。pip freeze | xargs pip uninstall -y

执行此命令后，系统会逐个卸载所有已安装的库，并不会提示确认。请注意，这将卸载系统上所有Python库，包括系统自带的库。因此，在执行此命令之前，请确保您了解其影响，并确保可以重新安装需要的库。

执行语句 pip uninstall vllm

3.2.5. 卸载包后的清理工作

在卸载Python库后，有时候可能需要对系统进行一些清理工作，以确保已卸载的库不会对其他操作产生影响。以下是一些常见的清理步骤：

清理缓存：使用以下命令清理pip的缓存。

pip cache purge

清理残留文件：可以手动删除库的残留文件，例如配置文件、日志文件等。

拓展：如果更新环境变量：如果卸载的库在环境变量中注册了路径，可能需要手动更新或删除相关的环境变量。