Ubuntu系统下python虚拟环境的创建和使用

简介: 使用虚拟环境的意义在于三点:创建独立的Python环境,多个Python互相独立互不影响虚拟环境中,可以在没有权限的情况下直接安装新套件不同应用在不同的虚拟环境中可以使用不同的套件版本,并且升级套件不会影响其他应用,解决了不同应用间多版本的冲突问题。

使用虚拟环境的意义在于三点:

  1. 创建独立的Python环境,多个Python互相独立互不影响

  2. 虚拟环境中,可以在没有权限的情况下直接安装新套件

  3. 不同应用在不同的虚拟环境中可以使用不同的套件版本,并且升级套件不会影响其他应用,解决了不同应用间多版本的冲突问题。

python的虚拟环境主要使用的是virtualenv软件,而virtualenvwrapper是virtualenv的扩展包,用于管理虚拟环境。它的作用是:

  1. 将所有虚拟环境整合到一个目录下
  2. 管理(创建,删除,复制)虚拟环境
  3. 切换虚拟环境

Ubuntu系统安装虚拟环境步骤:

1)设置root密码

sudo passwd root

2)安装包管理神器pip

sudo apt install python-pip

2.1)升级pip

sudo pip install --upgrade pip

2.2)使用pip安装虚拟环境完成后,有可能使用指令无法启动虚拟环境,为了避免套件被安装在系统环境中,需要在~/.bashrc文件中加上代码:

export PIP_REQUIRE_VIRTUALENV=true

或者在执行pip的时候让系统自动开启虚拟环境
export PIP_RESPECT_VIRTUALENV=true

3)安装virtualenv

sudo pip install virtualenv

由于有virtualenvwrapper虚拟环境管理包,能够直接使用简单指令操作虚拟环境,所以就不使用virtualenv自带的指令来操作虚拟环境。

4)安装virtualenvwrapper

sudo pip install virtualenvwrapper

5)配置virtualenvwrapper

默认的virtualenvwrapper安装在/usr/loacl/bin 目录下,需要运行virtualenvwrapper.sh文件。按照文件中的安装步骤设置环境:

  1. 创建目录存放虚拟环境
    mkdir $HOME/.virtualenvs
  2. ~/.bashrc中添加行:
    export WORKON_HOME=$HOME/.virtualenvs
    source /usr/local/bin/virtualenvwrapper.sh
  3. 运行:
    source ~/.bashrc

此时virtualenvwrapper就配置好了,接下来可以使用命令运行虚拟环境。

6)使用指令操作虚拟环境

  1. 列出虚拟环境列表
    lsvirtualenv
  2. 创建新虚拟环境
    mkvirtualenv [name]
  3. 启动/ 切换虚拟环境
    workon [name]
  4. 删除虚拟环境
    rmvirtualenv [name]
  5. 离开虚拟环境
    deactivate
目录
相关文章
|
17天前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品安全追溯系统的深度学习模型
使用Python实现智能食品安全追溯系统的深度学习模型
41 4
|
6天前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
59 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
7天前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习的果蔬识别系统实现
果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现介绍。
18 4
基于Python深度学习的果蔬识别系统实现
|
1月前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
51 2
从零开始构建员工管理系统:Python与SQLite3的完美结合
|
25天前
|
机器学习/深度学习 数据可视化 Docker
Python环境
Python环境
32 3
|
24天前
|
机器学习/深度学习 人工智能 算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言,通过收集了5种常见的垃圾数据集('塑料', '玻璃', '纸张', '纸板', '金属'),然后基于TensorFlow搭建卷积神经网络算法模型,通过对图像数据集进行多轮迭代训练,最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面,实现用户在网页端上传一张垃圾图片识别其名称。
72 0
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
|
24天前
|
机器学习/深度学习 人工智能 算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统,本系统使用Python作为主要编程语言,通过收集了8种常见的蔬菜图像数据集('土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'),然后基于TensorFlow搭建卷积神经网络算法模型,通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面,实现用户上传一张蔬菜图片识别其名称。
68 0
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
|
1月前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
73 3
|
2月前
|
并行计算 Ubuntu Linux
Ubuntu学习笔记(五):18.04安装多版本CUDA
这篇博客文章介绍了在Ubuntu 18.04系统上如何安装和切换不同版本的CUDA,以及如何安装不同版本的cuDNN。
231 2
|
2月前
|
并行计算 PyTorch TensorFlow
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
4537 3