文章目录
- 1. 查看系统和Python版本信息
- 1.1 查看Ubuntu版本信息
- 1.2 查看Python版本信息
- 2. 安装pip
- 2.1 下载get-pip.py
- 2.2 运行get-pip.py
- 2.3 查看pip版本
- 3. 安装Jupyter Notebook
- 3.1 安装Jupyter Notebook
- 3.2 运行Jupyter Notebook
- 3.3 安装jupyter-core
- 3.4 配置Jupyter Notebook环境变量
- 3.5 运行jupyter-notebook
- 3.6 新建文件夹和笔记
- 4. 安装TensorFlow
- 4.1 安装TensorFlow
- 4.2 验证是否安装成功
- 5. 安装Keras
- 5.1 安装Keras
- 5.2 查看Keras版本
- 6. 实战小结
1. 查看系统和Python版本信息
1.1 查看Ubuntu版本信息
- 执行命令:
hostnamectl
- 解释:这个命令会显示当前操作系统的详细信息
1.2 查看Python版本信息
- 执行命令:
python3 --version
- 解释:这个命令会显示当前系统中安装的Python版本
2. 安装pip
2.1 下载get-pip.py
- 执行命令:
wget https://bootstrap.pypa.io/get-pip.py
- 解释:从官方源下载get-pip.py脚本,用于安装pip
2.2 运行get-pip.py
- 执行命令:
sudo python3 get-pip.py
- 解释:使用Python运行get-pip.py脚本,以安装pip
2.3 查看pip版本
- 执行命令:
pip3 --version
- 解释:确认pip已成功安装并显示其版本信息
3. 安装Jupyter Notebook
3.1 安装Jupyter Notebook
- 执行命令:
pip3 install jupyter
- 解释:通过pip安装Jupyter Notebook
3.2 运行Jupyter Notebook
- 执行命令:
jupyter notebook
- 报错提示安装
jupyter-core
3.3 安装jupyter-core
- 执行命令:
sudo apt install jupyter-core
- 解释:安装Jupyter的核心组件
3.4 配置Jupyter Notebook环境变量
- 执行命令:
sudo vim /etc/profile
export JUPYTER_HOME=/home/ubuntu/.local export PATH=$JUPYTER_HOME/bin:$PATH
- 执行命令:
source /etc/profile
- 解释:配置环境变量并使其生效
3.5 运行jupyter-notebook
- 执行命令:
jupyter-notebook
- 访问
http://localhost:8888/tree
查看Jupyter首页
3.6 新建文件夹和笔记
- 新建
python
文件夹并进入该文件夹 - 新建一个未命名笔记(Untitled.ipynb)
- 输入一条语句并执行(单击Run菜单下的Run Selected Cell)
- 查看语句执行结果
- 另存笔记(单击【Save Notebook As…】菜单项并保存)
4. 安装TensorFlow
4.1 安装TensorFlow
- 执行命令:
pip install tensorflow==2.12.0 -i https://mirrors.aliyun.com/pypi/simple/
- 解释:通过pip安装指定版本的TensorFlow,并指定镜像源以提高下载速度
4.2 验证是否安装成功
- 启动IPython并查看TensorFlow版本
import tensorflow as tf tf.__version__
- 解释:如果输出TensorFlow的版本号,说明安装成功
5. 安装Keras
5.1 安装Keras
- 执行命令:
sudo pip install keras
- 解释:通过pip安装Keras
5.2 查看Keras版本
- 执行命令:
pip3 show keras
- 进入ipython,执行命令
import keras keras.__version__
- 解释:如果输出Keras的版本号,说明安装成功
6. 实战小结
- 在本次实战中,我们成功地在 Ubuntu 系统上安装了 Python、pip、Jupyter Notebook、TensorFlow 和 Keras。通过一系列命令,我们检查了系统和 Python 版本,下载并安装了 pip,随后安装了 Jupyter Notebook 并解决了环境变量配置问题。接着,我们安装了 TensorFlow 并验证了其版本,最后安装了 Keras 并检查了其版本。这些步骤展示了在 Linux 环境下设置数据科学开发环境的全过程。通过实践,我们加深了对命令行操作和 Python 包管理的理解,为后续的机器学习和深度学习项目打下了坚实的基础。