Python3.setuptools.Pip3安装详解 2017年08月19日 18:58:47 安静的技术控 阅读数:26002    版权声明:本文为博主原创文章,未经博主允许不得转载. https://blog.csdn.net/a2011480169/article/details/77414500 博客核心内容: 1.Python3安装 2.setuptools安装 3.Pip3安装 1 2 3 之所以写这篇博客,也是有很多原因了,每次安装都要从网上各种百度,网上的答案也是各种各样,于

第二是 setuptools 版本太旧,所以出现以下问题Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build-G9yO9Z/tldr/,也是需要你更新 (一)使用“pip install—upgrade pip”命令进行pip版本升级. [xiaokang@localhost ~]$ sudo pip install --upgrade pip (二)使用“ pip install -

前言: TensorFlow 有cpu和 gpu两个版本:gpu版本需要英伟达CUDA 和 cuDNN 的支持,cpu版本不需要:本文主要安装gpu版本. 1.环境 gpu:确认你的显卡支持 CUDA,这里确认. vs2015运行时库:下载64位的,这里下载,下载后安装. python 3.6/3.5:下载64位的,这里下载,下载后安装. pip 9.0.1(确认pip版本 >= 8.1,用pip -V 查看当前 pip 版本,用python -m pip install -U pip升级pip

首先系统自带的python是python2 我们需要安装一个python3(这里的所有源码包都可以在环境中准备好,这样没有网也可以进行安装) 安装python 1.安装环境 # yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-develreadline-devel tk-devel gdbm-devel db4-devel libpcap-devel xz-devel sqlite-devel 2.

之前一直在CPU上跑深度学习,由于做的是NLP方向所以也能勉强忍受.最近在做图像的时候,实在是扛不住了...还好领导们的支持买个虚拟机先体验下.由于刚买的机器,环境都得自己摸索,瞎搞过很多次,也走过很多弯路,所以我就记录下从裸机安装深度学习环境的正确过程.(全程root用户哦!) 裸机简介 服务器是阿里云的CentOS7.4,默认的时候选择的CUDA驱动选错了,1.5以上的tensorflow都应该选择CUDA9.0,注意不要太高,也不要太低!TF很挑剔! 先来聊聊裸机里面包含什么有用的东西:

树莓派上有的时候需要安装一些python额外的包,但上面没有安装pip3,因此需要动手去安装pip3,之后用来安装拓展包. 1.首先安装setuptools cd /usr/local/src/ sudo wget --no-check-certificate https://pypi.python.org/packages/source/s/setuptools/setuptools-19.6.tar.gz sudo tar -zxvf setuptools-19.6.tar.gz cd se

Ubuntu18.04默认内嵌python2.python3,pip安装时,python2对应安装pip,python3对应安装pip3. sudo apt install python3-pip 检查版本: pip3 -V pip 9.0.1 from /usr/lib/python3/dist-packages  (python 3.6)

由于想把flask里面的.rst文档 转一些成pdf方便查看和翻阅(.rst文档都非常新一直在维护) 所以查到一个模块rst2pdf 安装好之后却发现警告里面提示我的setuptools版本过老无法运行. 这个依赖恨奇怪,pip 也依赖这个包 所以我本来准备按照以前的更新操作习惯使用 sudo pip uninstall setuptools sudo pip install setuptools 但是却发现 由于pip 的依赖关系 无法直接卸载成功 所以后来折腾了半天发现 只能使用 sudo

近期开始学习基于Linux平台的Django开发,想配置一台可以发布的服务器,经过近一个月的努力,终于掌握了基于Apache和mod-wsgi插件的部署模式,自己也写了一个教程,一是让自己有个记录,二是希望对同样需要的朋友有一个帮助. 目录: 基于Ubuntu Server 16.04 LTS版本安装和部署Django之(一):安装Python3-pip和Django 基于Ubuntu Server 16.04 LTS版本安装和部署Django之(二):Apache安装和配置 基于Ubuntu

sudo pip3 --version 查看pip3的版本 sudo pip3 install --upgrade pip 更新pip3 sudo pip3 list  查看安装的包列表 如上图, pip升级到18.1版本. 使用pip3 出现以下错误: Traceback (most recent call last): File “/usr/bin/pip3”, line 9, in from pip import main 或者pip 时也出现这个问题 这是pip 10.0.0版本的BUG

                                                                  Ubuntu系统---安装English版本之后的一些工作 安装完Ubuntu系统English版本之后:-----------------------------------------------------------------------------------(1)设置网络.设置IP,保证能上网.192.168.1.191: 255.255.255.0:

Ubuntu更换python版本 ubuntu服务器自带的python版本是python3.6,在运行jwt包时会有版本问题,所以安装和本地相同的python版本=>python3.7 安装python3.7 apt update apt install python3.7 更换python3启动的python版本 # 删除默认python3的启动文件 sudo rm /usr/bin/python3 # 将新安装的python3.7设置软链接 ln -s /usr/bin/python3.7

[Linux]CentOS下升级Python和Pip版本全自动化py脚本 CentOS7.6自带py2.7和py3.6 想要安装其它版本的话就要自己重新下载和编译py其它版本并且配置环境,主要是软链接. 在任意py文件中CV以下脚本 python xx.py运行即可 import os os.system('yum -y groupinstall "Development tools" && yum -y install zlib-devel bzip2-devel o

一般情况下先添加PPA,但是我添加PPA会报错: sudo add-apt-repository ppa:fkrull/deadsnakes ubuntu add-apt-repository: command not found 所以先进行: sudo apt-get install python-software-properties sudo apt-get install software-properties-common 之后: sudo add-apt-repository ppa

1.安装英伟达驱动./NVIDIA-Linux-x86_64-384.69.runnvidia-smi成功表示驱动ok 2.安装cudadpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.debapt-get updateapt-get install cuda安装patch2(也可以不装)dpkg -i cuda-repo-ubuntu1404-8-0-local-cublas-performance-update_8.0.61-

转自:https://www.reddit.com/r/IPython/comments/3lf81w/using_python35_in_ubuntu_trusty/Note:照这个方案安装python3.5后,很多系统程序用不了了..因为系统程序用的3.4,所以只能还原系统python版本了:$ sudo rm /usr/bin/python3$ sudo mv /usr/bin/python3-old /usr/bin/python3$ wget https://bootstrap.pyp

 孤荷凌寒自学python第四十五天Python初学基础基本结束的下阶段预安装准备 (完整学习过程屏幕记录视频地址在文末,手写笔记在文末) 今天本来应当继续学习Python的数据库操作,但根据过去我自学其它编程语言的经验,我觉得对Python的肤浅的基础的知识学习完成之后,一定也要开始的构建自己的Python编程大厦的脚手架——开始将一些自己用起来顺手的常用功能封装块化,建立模块和类,形成一种基础沉淀,这样整个自己的Python学习大厦才将越修越好,这是从我过往的编程语言自学中总结出来的,当然还

centos平台编译环境使用如下指令 安装make: yum -y install gcc automake autoconf libtool make 安装g++: yum install gcc gcc-c++ Nginx安装参考https://blog.csdn.net/jiangxiaobo666/article/details/90404020 Python CentOS 7.2 默认安装了python2.7.5 因为一些命令要用它比如yum 它使用的是python2.7.5. 使用

cx_Freeze(不推荐) 以前只用 cx_Freeze 支持将 python3 打包成 exe ,示例如下: 在你要打包的 python 文件下新建这个 setup.py 文件: #!/usr/bin/env python # -*- coding: utf-8 -*- from cx_Freeze import setup, Executable base = None executables = [ Executable('你的代码.py', base=base) ] setup( na

 1 安装python 3.6 ubuntu预装了2.7,不需要卸载预装库,直接安装python3.6(其实现在的阿里云18.04会给你自动装python2.7.15和3.6.8) 你可以分别查看一下python 2.7和python 3.6确认系统是否装了这两个环境 因为程序运行环境需要,一般会修改系统默认的运行环境 python --version 查询python版本 会出现2.7.15而不是3.6.8 如果有python3.6则进行如下操作[如果没有python3.6那你需要自己下载一个

引言: Tensorflow大名鼎鼎,这里不再赘述其为何物.这里讲描述在安装python包的时候碰到的“No matching distribution found for tensorflow”,其原因以及如何解决. 简单的安装tensorflow这里安装的tensorflow的cpu版本,gpu版本可以自行搜索安装指南,或者参考如下指令: pip3 install tensorflow #cpu 这里使用的python 3.6.3版本. pip3 install tensorflow-gpu