linux上部署多个python环境并在jupyterlab搭建各自的虚拟环境virtualenv

linux上部署多个python环境并在jupyterlab搭建各自的虚拟环境virtualenv

一,Linux部署多个python环境

  1. 到官网https://www.python.org下载python指定

  2. 连接Linux服务器,进入到指定目录下

    sh 复制代码
    cd /usr/local/python

    因为该服务器上会搭建较多版本的python,因此创建了python目录来存放所有的python版本,因此在执行以上cd命令前可能需要先创建目录

    sh 复制代码
    mkdir /usr/local/python
  3. 之前从官网上下载的Python-3.5.9.tgz已经存放到该目录,解压该包,然后进入解压后文件夹的目录下

sh 复制代码
tar -zxvf Python-3.5.9.tgz

cd Python-3.5.9

sudo ./configure --enable-optimizations

sudo make 

sudo make install

sudo ln -s /usr/local/python/Python3.5.9 /usr/bin/python35

此时打开控制台,输入以下命令,可以看到已经可以正常使用了

sh 复制代码
python35 -V

如果此时还需要安装其他版本,可以重新按照以上过程操作,最后配置新的软连接

sh 复制代码
sudo ln -s /usr/local/python/Python3.x /usr/bin/python3x

python3x -V

如果下载的python版本没有pip,可以访问https://bootstrap.pypa.io/pip/3.5/get-pip.py去安装

此时我是使用了3.5的版本,url因人而异。

二,jupyterlab创建多内核

创建虚拟环境

sh 复制代码
cd /data/python/env
mkdir python35
python35 -m venv /data/python/env/python35

激活虚拟环境

sh 复制代码
cd python35
source bin/activate

在被激活的虚拟环境python35中,执行以下命令,安装ipykernel

注意:在进入虚拟环境之后,指定python35的版本就不需要用python35了,执行pip也不需要python35 -m pip install xxx,直接使用python就可以了。

但是,之前有一次即使我进入虚拟环境,直接使用python命令还是无法指定到,该问题没多关注,仅供参考...

sh 复制代码
pip install ipykernel 

然后可以给当前的虚拟环境命名,到时在jupyterlab选择内核时,显示的就是该名称

sh 复制代码
python -m ipykernel install --user --name python35

执行完成之后,重新刷新jupyterlab页面,点击kernel内核选择,可以看到此时已经多了一个可选择的python35

相关推荐
云程笔记2 小时前
004.环境搭建基础篇:Python、CUDA、cuDNN、PyTorch/TensorFlow安装与版本兼容性踩坑
pytorch·python·tensorflow
知行合一。。。7 小时前
Python--04--数据容器(总结)
开发语言·python
架构师老Y7 小时前
008、容器化部署:Docker与Python应用打包
python·容器·架构
lifewange7 小时前
pytest-类中测试方法、多文件批量执行
开发语言·python·pytest
pluvium278 小时前
记对 xonsh shell 的使用, 脚本编写, 迁移及调优
linux·python·shell·xonsh
2401_827499998 小时前
python项目实战09-AI智能伴侣(ai_partner_5-6)
开发语言·python
PD我是你的真爱粉8 小时前
MCP 协议详解:从架构、工作流到 Python 技术栈落地
开发语言·python·架构
ZhengEnCi8 小时前
P2G-Python字符串方法完全指南-split、join、strip、replace的Python编程利器
python
是小蟹呀^8 小时前
【总结】LangChain中工具的使用
python·langchain·agent·tool
宝贝儿好8 小时前
【LLM】第二章:文本表示:词袋模型、小案例:基于文本的推荐系统(酒店推荐)
人工智能·python·深度学习·神经网络·自然语言处理·机器人·语音识别