源码安装python
参考链接:https://zhuanlan.zhihu.com/p/407534754
python官网链接 https://www.python.org/downloads/source/
选择需要的python版本下载。
操作命令如下:
## ResourceWarning: Implicitly cleaning up <TemporaryDirectory '/tmp/tmpq3jb803g'>
apt-get update
apt-get install --reinstall zlibc zlib1g zlib1g-dev
apt-get install libffi-dev libssl-dev libreadline-dev -y
tar -zxvf Python-3.9.7.tgz # 解压下载的python源码
cd ./Python-3.9.7/ # 进入到解压后的文件夹中
mkdir /opt/python3.9/ # 创建安装python的目标路径
./configure --prefix=/opt/python3.9 --with-pydebug --enable-optimizations --with-ssl
make
make install #到这里就安装好了,
/opt/python3.9/bin/python3.9 # 进入python3.9的交互环境,说明安装成功
# 创建python3.9的软链接
ln -s /opt/python3.9/bin/python3.9 /usr/bin/python3.9 #docker中应该放到 /usr/local/bin/目录下
ln -s /opt/python3.9/bin/pip3.9 /usr/bin/pip3.9 #docker中应该放到 /usr/local/bin/目录下
tar命令:通俗讲,这个命令是用来压缩/解压缩的。后面跟着的’-zxvf’是参数。'z’表示用gzip处理文件,是默认的,可以省略;‘x’是从压缩包中提取文件的意思;‘v’是显示执行过程的,不写该参数会安静执行解压过程,没有反馈,可以省略;‘f’用来指定文件的。实际上,tar命令是用来将许多文件和文件夹合并为一个文件或反操作的,压缩/解压只是功能的一部分,详情请查阅文档或在搜索引擎中搜索。
配置编译参数:’–prefix=/opt/python3.9’用来指定安装位置,’–with-pydebug’是添加调试工具用的,’–enable-optimizations’用来对编译结果进行优化,提高运行效率的,但会增加编译时间。
安装部分$ make altinstall 命令:这里使用了altinstall,你也可以使用install,代价是它可能会更改自带的python3安装,使得卸载变得困难,甚至使自带的python3变得不可用,但一般不会出现这些恶性错误。请自行承担该风险。具体效果请查阅文档或在搜索引擎中搜索。
配置pip 清华源
pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
安装pytorch
各个版本的torch
https://pytorch.org/get-started/previous-versions/
配置cuda
选择需要的cuda版本 https://developer.nvidia.cn/cuda-toolkit-archive
sudo vim ~/.bashrc
$ export PATH=/usr/local/cuda-10.1/bin${PATH:+:${PATH}}
$ export LD_LIBRARY_PATH=/usr/local/cuda-10.1/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc
BUGS
ModuleNotFoundError: No module named _bz2
apt-get install bzip2-devel
重新 编译安装python文章来源:https://www.toymoban.com/news/detail-486563.html
ResourceWarning: Implicitly cleaning up <TemporaryDirectory ‘/tmp/tmpq3jb803g’>
暂时没有解决。文章来源地址https://www.toymoban.com/news/detail-486563.html
到了这里,关于ubuntu下docker配置:python,cuda的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!