Heim Backend-Entwicklung Python-Tutorial SageMath-Installation

SageMath-Installation

Aug 16, 2024 pm 06:01 PM

SageMath Installation

SageMath ist ein kostenloses Open-Source-Mathematik-Softwaresystem, das auf vielen vorhandenen Open-Source-Paketen aufbaut, darunter NumPy, SciPy, Matplotlib, Sympy, Maxima, GAP, FLINT, R und mehr. Im Gegensatz zu proprietärer Software wie Magma, Maple, Mathematica und MATLAB ist die Nutzung von Sage kostenlos und Sie können den Quellcode anzeigen und ändern. Wenn Sie mit Python vertraut sind, werden Sie sich bei Sage wie zu Hause fühlen, da es Python um einen robusten Satz mathematischer Werkzeuge erweitert.

Der einfachste Einstieg in Sage ist die Ausführung von Code in einer browserbasierten Arbeitsmappe auf einer Plattform namens CoCalc. Das kostenlose Kontingent von CoCalc bietet mehrere Vorteile, darunter Zusammenarbeit, automatisches Abhängigkeitsmanagement und den Komfort, Sage-Code auszuführen, ohne die Software lokal installieren zu müssen. Nachdem ich CoCalc jedoch eine Zeit lang verwendet hatte, wünschte ich mir eine schnellere Einrichtung, frei von den Einschränkungen einer Cloud-Umgebung. Dies veranlasste mich, Sage lokal auf meinem Computer zu installieren.

Wenn Sie Windows verwenden, erfordert die Installation von Sage ein paar zusätzliche Schritte.

  1. Laden Sie das Windows-Subsystem für Linux herunter. Stellen Sie sicher, dass Sie WSL2 verwenden.
  2. Das Lesen einer WSL-Entwicklungsumgebung einrichten ist ebenfalls hilfreich.

Anweisungen zur lokalen Installation finden Sie im Sage-Installationshandbuch.

Es gibt mehrere Möglichkeiten, Sage zu installieren, jede mit ihren Vorteilen. Die Installation von Sage aus dem Quellcode bietet die größte Flexibilität, ist jedoch ein langwieriger Prozess, der einige Herausforderungen mit sich bringen kann. Die Installation der erforderlichen Abhängigkeiten kann viel Zeit in Anspruch nehmen, und der Befehl „make“, der zum Erstellen von Sage verwendet wird, erfordert je nach den Ressourcen Ihres Computers ebenfalls etwas Geduld.

Für diejenigen, die einen einfacheren und schnelleren Installationsprozess suchen, ist die Verwendung von conda-forge eine ausgezeichnete Alternative. Conda-forge ist eine von der Community betriebene Sammlung von Paketen für Conda, die die Installation und Verwaltung von Sage vereinfacht, ohne sich mit der Komplexität eines Quellcode-Builds befassen zu müssen. So fangen Sie an:

curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-$(uname)-$(uname -m).sh"
bash Miniforge3-$(uname)-$(uname -m).sh
conda create -n sage sage python=3.11
Nach dem Login kopieren

Nach der Installation von Sage über Conda wird eine Meldung ähnlich der folgenden angezeigt. Beachten Sie die bereitgestellten Anweisungen, da sie Ihnen dabei helfen, Ihre neue Sage-Umgebung zu aktivieren und zu verwalten:

Transaction finished

To activate this environment, use:

    micromamba activate /home/samuel-lubliner/miniforge3

Or to execute a single command in this environment, use:

    micromamba run -p /home/samuel-lubliner/miniforge3 mycommand

installation finished.
Do you wish to update your shell profile to automatically initialize conda?
This will activate conda on startup and change the command prompt when activated.
If you'd prefer that conda's base environment not be activated on startup,
   run the following command when conda is activated:

conda config --set auto_activate_base false

You can undo this by running `conda init --reverse $SHELL`? [yes|no]
[no] >>> no
Nach dem Login kopieren

Diese Eingabeaufforderung fragt, ob Conda bei jedem Start Ihrer Shell automatisch initialisiert werden soll. Ich bevorzuge es, meine Umgebung sauber zu halten, also habe ich Nein gewählt. Durch diese Auswahl bleibt die Basisumgebung beim Start inaktiv, wodurch verhindert wird, dass die Eingabeaufforderung mit unnötigen Umgebungsaktivierungen überladen wird. Wenn Sie dieses Setup bevorzugen, geben Sie „Nein“ ein, wenn Sie dazu aufgefordert werden.

You have chosen to not have conda modify your shell scripts at all.
To activate conda's base environment in your current shell session:

eval "$(/home/samuel-lubliner/miniforge3/bin/conda shell.YOUR_SHELL_NAME hook)"

To install conda's shell functions for easier access, first activate, then:

conda init

Thank you for installing Miniforge3!
Nach dem Login kopieren

Durch die manuelle Aktivierung Ihrer Umgebung stellen Sie sicher, dass Sie die Kontrolle darüber behalten, wann und wie Ihre Conda-Umgebungen geladen werden. Dieser Ansatz ist vorteilhaft, wenn Sie mehrere Umgebungen verwenden.

Da ich mich dafür entschieden habe, dass Conda meine Shell-Skripte nicht ändert, führe ich Sage manuell mit den folgenden Befehlen aus. Diese Methode sorgt für eine saubere Umgebung und gibt mir die Kontrolle darüber, wann ich Sage aktivieren muss:

samuel_lubliner@DESKTOP-QGSGOAI:~$ eval "$(/home/samuel_lubliner/miniforge3/bin/conda shell.bash hook)"
(base) samuel_lubliner@DESKTOP-QGSGOAI:~$ conda activate sage
(sage) samuel_lubliner@DESKTOP-QGSGOAI:~$ sage -n jupyter
Nach dem Login kopieren
  • Der erste Befehl initialisiert Conda in Ihrer aktuellen Shell.
  • Der zweite Befehl aktiviert die Sage-Umgebung.
  • Der dritte Befehl startet Sage mit der Jupyter-Notebook-Schnittstelle.

Beachten Sie, dass (base) anzeigt, dass die Conda-Basisumgebung aktiviert ist, und (sage) anzeigt, dass die Sage-Umgebung aktiv ist. Das Ausführen dieser Befehle kann sich jedes Mal wiederholen. Lassen Sie uns diesen Vorgang daher automatisieren, indem wir ein Bash-Skript erstellen. Wir können die Datei sage_nb.sh erstellen. Wenn Sie WSL verwenden, empfehlen die Dokumente:

#!/bin/bash
# Switch to desired windows directory
cd /mnt/c/path/to/desired/starting/directory
# Start the Jupyter notebook
SAGE_ROOT/sage --notebook
# Alternatively you can run JupyterLab - delete the line above, and uncomment the line below
#SAGE_ROOT/sage --notebook jupyterlab
Nach dem Login kopieren

In meinem Fall habe ich JupyterLab installiert, weil ich die modernere Benutzeroberfläche bevorzuge. Hier ist mein Skript:

#!/bin/bash
# Start JupyterLab
/home/samuel_lubliner/miniforge3/envs/sage/bin/sage --notebook jupyterlab
Nach dem Login kopieren

Um das Skript auszuführen, müssen Sie es zunächst ausführbar machen:

chmod ug+x ~/sage_nb.sh
Nach dem Login kopieren

Jetzt können Sie das Skript ausführen, wann immer Sie Sage starten möchten:

cd ~
./sage_nb.sh
Nach dem Login kopieren

Wenn alles richtig eingerichtet ist, wird durch die Ausführung des Skripts der Jupyter-Server in Ihrem Terminal gestartet. Von hier aus können Sie mit Sage in Ihrem Browser arbeiten.

Wenn Sie einen benutzerfreundlicheren Ansatz bevorzugen, können Sie dieses Bash-Skript noch einen Schritt weiterführen, indem Sie eine anklickbare Verknüpfung auf Ihrem Desktop erstellen. Dadurch können Sie Sage und JupyterLab per Doppelklick starten. Detaillierte Anweisungen zum Erstellen dieser Verknüpfung finden Sie in den SageMath-Dokumenten.

Das obige ist der detaillierte Inhalt vonSageMath-Installation. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

Video Face Swap

Video Face Swap

Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

<🎜>: Bubble Gum Simulator Infinity - So erhalten und verwenden Sie Royal Keys
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Nordhold: Fusionssystem, erklärt
4 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
Mandragora: Flüstern des Hexenbaum
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Java-Tutorial
1676
14
PHP-Tutorial
1278
29
C#-Tutorial
1257
24
Python vs. C: Lernkurven und Benutzerfreundlichkeit Python vs. C: Lernkurven und Benutzerfreundlichkeit Apr 19, 2025 am 12:20 AM

Python ist leichter zu lernen und zu verwenden, während C leistungsfähiger, aber komplexer ist. 1. Python -Syntax ist prägnant und für Anfänger geeignet. Durch die dynamische Tippen und die automatische Speicherverwaltung können Sie die Verwendung einfach zu verwenden, kann jedoch zur Laufzeitfehler führen. 2.C bietet Steuerung und erweiterte Funktionen auf niedrigem Niveau, geeignet für Hochleistungsanwendungen, hat jedoch einen hohen Lernschwellenwert und erfordert manuellem Speicher und Typensicherheitsmanagement.

Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Python lernen: Ist 2 Stunden tägliches Studium ausreichend? Apr 18, 2025 am 12:22 AM

Ist es genug, um Python für zwei Stunden am Tag zu lernen? Es hängt von Ihren Zielen und Lernmethoden ab. 1) Entwickeln Sie einen klaren Lernplan, 2) Wählen Sie geeignete Lernressourcen und -methoden aus, 3) praktizieren und prüfen und konsolidieren Sie praktische Praxis und Überprüfung und konsolidieren Sie und Sie können die Grundkenntnisse und die erweiterten Funktionen von Python während dieser Zeit nach und nach beherrschen.

Python vs. C: Erforschung von Leistung und Effizienz erforschen Python vs. C: Erforschung von Leistung und Effizienz erforschen Apr 18, 2025 am 12:20 AM

Python ist in der Entwicklungseffizienz besser als C, aber C ist in der Ausführungsleistung höher. 1. Pythons prägnante Syntax und reiche Bibliotheken verbessern die Entwicklungseffizienz. 2. Die Kompilierungsmerkmale von Compilation und die Hardwarekontrolle verbessern die Ausführungsleistung. Bei einer Auswahl müssen Sie die Entwicklungsgeschwindigkeit und die Ausführungseffizienz basierend auf den Projektanforderungen abwägen.

Python vs. C: Verständnis der wichtigsten Unterschiede Python vs. C: Verständnis der wichtigsten Unterschiede Apr 21, 2025 am 12:18 AM

Python und C haben jeweils ihre eigenen Vorteile, und die Wahl sollte auf Projektanforderungen beruhen. 1) Python ist aufgrund seiner prägnanten Syntax und der dynamischen Typisierung für die schnelle Entwicklung und Datenverarbeitung geeignet. 2) C ist aufgrund seiner statischen Tipp- und manuellen Speicherverwaltung für hohe Leistung und Systemprogrammierung geeignet.

Welches ist Teil der Python Standard Library: Listen oder Arrays? Welches ist Teil der Python Standard Library: Listen oder Arrays? Apr 27, 2025 am 12:03 AM

PythonlistsarePartThestandardlibrary, whilearraysarenot.listarebuilt-in, vielseitig und UNDUSEDFORSPORINGECollections, während dieArrayRay-thearrayModulei und loses und loses und losesaluseduetolimitedFunctionality.

Python: Automatisierung, Skript- und Aufgabenverwaltung Python: Automatisierung, Skript- und Aufgabenverwaltung Apr 16, 2025 am 12:14 AM

Python zeichnet sich in Automatisierung, Skript und Aufgabenverwaltung aus. 1) Automatisierung: Die Sicherungssicherung wird durch Standardbibliotheken wie OS und Shutil realisiert. 2) Skriptschreiben: Verwenden Sie die PSUTIL -Bibliothek, um die Systemressourcen zu überwachen. 3) Aufgabenverwaltung: Verwenden Sie die Zeitplanbibliothek, um Aufgaben zu planen. Die Benutzerfreundlichkeit von Python und die Unterstützung der reichhaltigen Bibliothek machen es zum bevorzugten Werkzeug in diesen Bereichen.

Python für wissenschaftliches Computer: Ein detailliertes Aussehen Python für wissenschaftliches Computer: Ein detailliertes Aussehen Apr 19, 2025 am 12:15 AM

Zu den Anwendungen von Python im wissenschaftlichen Computer gehören Datenanalyse, maschinelles Lernen, numerische Simulation und Visualisierung. 1.Numpy bietet effiziente mehrdimensionale Arrays und mathematische Funktionen. 2. Scipy erweitert die Numpy -Funktionalität und bietet Optimierungs- und lineare Algebra -Tools. 3.. Pandas wird zur Datenverarbeitung und -analyse verwendet. 4.Matplotlib wird verwendet, um verschiedene Grafiken und visuelle Ergebnisse zu erzeugen.

Python für die Webentwicklung: Schlüsselanwendungen Python für die Webentwicklung: Schlüsselanwendungen Apr 18, 2025 am 12:20 AM

Zu den wichtigsten Anwendungen von Python in der Webentwicklung gehören die Verwendung von Django- und Flask -Frameworks, API -Entwicklung, Datenanalyse und Visualisierung, maschinelles Lernen und KI sowie Leistungsoptimierung. 1. Django und Flask Framework: Django eignet sich für die schnelle Entwicklung komplexer Anwendungen, und Flask eignet sich für kleine oder hochmobile Projekte. 2. API -Entwicklung: Verwenden Sie Flask oder Djangorestframework, um RESTFUFFUPI zu erstellen. 3. Datenanalyse und Visualisierung: Verwenden Sie Python, um Daten zu verarbeiten und über die Webschnittstelle anzuzeigen. 4. Maschinelles Lernen und KI: Python wird verwendet, um intelligente Webanwendungen zu erstellen. 5. Leistungsoptimierung: optimiert durch asynchrones Programmieren, Caching und Code

See all articles