


Verwenden Sie den Befehl pip, um abhängige Bibliotheken von Python-Projekten schnell zu verwalten
Schnellstart: Verwenden Sie Pip-Anweisungen, um von Python-Projekten abhängige Bibliotheken zu verwalten
Einführung:
Bei der Entwicklung von Python-Projekten verwenden wir häufig verschiedene Bibliotheken von Drittanbietern, um die Codeentwicklung zu unterstützen. Um diese abhängigen Bibliotheken zu verwalten, ist pip ein sehr praktisches und häufig verwendetes Tool. In diesem Artikel wird erläutert, wie Sie mit dem Befehl pip die abhängigen Bibliotheken von Python-Projekten verwalten und spezifische Codebeispiele bereitstellen.
1. Einführung in pip
Pip ist ein Paketverwaltungssystem eines Drittanbieters für Python, das Vorgänge wie Installation, Deinstallation und Aktualisierung von Python-Paketen bereitstellt. Es wird mit der Python-Version 2.7.9 und höher geliefert, sodass wir in den meisten Fällen keine zusätzliche Installation durchführen müssen.
2. Abhängigkeitspakete installieren
In Python-Projekten verwenden wir normalerweise einige Bibliotheken von Drittanbietern, um zusätzliche Funktionen bereitzustellen. Es ist sehr einfach, diese abhängigen Bibliotheken mit pip zu installieren. Sie müssen lediglich die folgenden Anweisungen in der Befehlszeile ausführen:
pip install package_name
wobei Paketname der Name der zu installierenden Drittanbieterbibliothek ist.
Angenommen, wir möchten Pandas, eine Bibliothek zur Datenanalyse, installieren, müssen wir nur den folgenden Befehl ausführen:
pip install pandas
3. Abhängigkeitspakete aktualisieren
Manchmal müssen wir die vorhandenen Abhängigkeitspaketversionen aktualisieren, um die zu erhalten neueste Funktionen oder Fehlerbehebungen. Das Aktualisieren abhängiger Pakete mit pip ist ebenfalls sehr einfach. Sie müssen lediglich den folgenden Befehl ausführen:
pip install --upgrade package_name
Paketname ist dabei der Name der abhängigen Bibliothek, die aktualisiert werden soll.
Zum Beispiel möchten wir die zuvor installierte Pandas-Bibliothek auf die neueste Version aktualisieren:
pip install --upgrade pandas
4. Zeigen Sie die installierten Abhängigkeitspakete an.
Wenn Sie die installierten Abhängigkeitspakete und ihre Versionen in der aktuellen Umgebung anzeigen möchten, können Sie Folgendes verwenden: den folgenden Befehl:
pip list
Dieser Befehl listet die Namen und Versionsnummern aller installierten abhängigen Pakete in der aktuellen Umgebung auf.
5. Abhängigkeitspakete deinstallieren
In einigen Fällen müssen wir möglicherweise ein installiertes Abhängigkeitspaket deinstallieren. Sie können zum Deinstallieren den folgenden Befehl verwenden:
pip uninstall package_name
wobei Paketname der Name der abhängigen Bibliothek ist, die deinstalliert werden soll.
Zum Beispiel möchten wir die zuvor installierte Pandas-Bibliothek deinstallieren:
pip uninstall pandas
6. Verwenden Sie die Datei „requirements.txt“, um abhängige Pakete zu verwalten.
In der tatsächlichen Projektentwicklung erfassen wir normalerweise alle abhängigen Bibliotheken und ihre Versionsnummern in einem Namen die Datei „requirements.txt“, um die Verwaltung zu erleichtern. Verwenden Sie pip, um abhängige Bibliotheken basierend auf dieser Datei stapelweise zu installieren.
Zuerst müssen wir eine Datei „requirements.txt“ erstellen, um die abhängigen Bibliotheken des Projekts und ihre Versionen im folgenden Format aufzuzeichnen:
package_name==version
Erstellen Sie beispielsweise eine Datei „requirements.txt“ mit folgendem Inhalt:
pandas==1.2.3 numpy==1.21.0 matplotlib==3.4.3
Dann geht es weiter Führen Sie in der Befehlszeile den folgenden Befehl aus, um die abhängigen Bibliotheken, die in der Datei „requirements.txt“ aufgeführt sind, stapelweise zu installieren:
pip install -r requirements.txt
7. Virtuelle Umgebung verwenden
Virtuelle Umgebung ist ein Tool, das erstellt wurde, um Abhängigkeitskonflikte zwischen Python-Projekten zu lösen. Sie können virtualenv oder venv verwenden, um eine virtuelle Umgebung zu erstellen und die Abhängigkeitsbibliotheken des Projekts in der virtuellen Umgebung unabhängig zu verwalten.
Verwenden Sie zunächst den folgenden Befehl, um eine virtuelle Umgebung zu erstellen:
python -m venv myenv
Unter diesen ist myenv der Name der virtuellen Umgebung, der entsprechend der tatsächlichen Situation definiert werden kann.
Als nächstes aktivieren Sie die virtuelle Umgebung und verwenden den folgenden Befehl:
source myenv/bin/activate # Linux/MacOS myenvScriptsctivate # Windows
Nach der Aktivierung der virtuellen Umgebung werden alle Pip-Anweisungen in der virtuellen Umgebung ausgeführt.
Die Anweisungen zur Verwendung von pip zum Installieren, Aktualisieren und Deinstallieren abhängiger Pakete sind die gleichen wie zuvor und Sie können sie einfach in einer virtuellen Umgebung ausführen.
8. Zusammenfassung
In diesem Artikel wird erläutert, wie Sie mit Pip-Anweisungen Abhängigkeitsbibliotheken von Python-Projekten verwalten, einschließlich der Installation von Abhängigkeitspaketen, der Aktualisierung von Abhängigkeitspaketen, der Anzeige installierter Abhängigkeitspakete, der Deinstallation von Abhängigkeitspaketen und der Verwendung der Datei „requirements.txt“ zur Verwaltung von Abhängigkeitspaketen und Verwenden Sie virtuelle Umgebungen, um Projektabhängigkeiten zu verwalten. Durch die Beherrschung dieser Grundvorgänge können Sie die Abhängigkeiten von Python-Projekten besser verwalten und pflegen und die Entwicklungseffizienz verbessern.
Referenzen:
- pip-Dokumentation: https://pip.pypa.io/en/stable/
- virtualenv-Dokumentation: https://virtualenv.pypa.io/en/stable/
- venv-Dokumentation: https: //docs.python.org/3/library/venv.html
Das obige ist der detaillierte Inhalt vonVerwenden Sie den Befehl pip, um abhängige Bibliotheken von Python-Projekten schnell zu verwalten. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



PHP und Python haben ihre eigenen Vor- und Nachteile, und die Wahl hängt von den Projektbedürfnissen und persönlichen Vorlieben ab. 1.PHP eignet sich für eine schnelle Entwicklung und Wartung großer Webanwendungen. 2. Python dominiert das Gebiet der Datenwissenschaft und des maschinellen Lernens.

Effizientes Training von Pytorch -Modellen auf CentOS -Systemen erfordert Schritte, und dieser Artikel bietet detaillierte Anleitungen. 1.. Es wird empfohlen, YUM oder DNF zu verwenden, um Python 3 und Upgrade PIP zu installieren: Sudoyumupdatepython3 (oder sudodnfupdatepython3), PIP3Install-upgradepip. CUDA und CUDNN (GPU -Beschleunigung): Wenn Sie Nvidiagpu verwenden, müssen Sie Cudatool installieren

Aktivieren Sie die Pytorch -GPU -Beschleunigung am CentOS -System erfordert die Installation von CUDA-, CUDNN- und GPU -Versionen von Pytorch. Die folgenden Schritte führen Sie durch den Prozess: Cuda und Cudnn Installation Bestimmen Sie die CUDA-Version Kompatibilität: Verwenden Sie den Befehl nvidia-smi, um die von Ihrer NVIDIA-Grafikkarte unterstützte CUDA-Version anzuzeigen. Beispielsweise kann Ihre MX450 -Grafikkarte CUDA11.1 oder höher unterstützen. Download und installieren Sie Cudatoolkit: Besuchen Sie die offizielle Website von Nvidiacudatoolkit und laden Sie die entsprechende Version gemäß der höchsten CUDA -Version herunter und installieren Sie sie, die von Ihrer Grafikkarte unterstützt wird. Installieren Sie die Cudnn -Bibliothek:

Docker verwendet Linux -Kernel -Funktionen, um eine effiziente und isolierte Anwendungsumgebung zu bieten. Sein Arbeitsprinzip lautet wie folgt: 1. Der Spiegel wird als schreibgeschützte Vorlage verwendet, die alles enthält, was Sie für die Ausführung der Anwendung benötigen. 2. Das Union File System (UnionFS) stapelt mehrere Dateisysteme, speichert nur die Unterschiede, speichert Platz und beschleunigt. 3. Der Daemon verwaltet die Spiegel und Container, und der Kunde verwendet sie für die Interaktion. 4. Namespaces und CGroups implementieren Container -Isolation und Ressourcenbeschränkungen; 5. Mehrere Netzwerkmodi unterstützen die Containerverbindung. Nur wenn Sie diese Kernkonzepte verstehen, können Sie Docker besser nutzen.

Python und JavaScript haben ihre eigenen Vor- und Nachteile in Bezug auf Gemeinschaft, Bibliotheken und Ressourcen. 1) Die Python-Community ist freundlich und für Anfänger geeignet, aber die Front-End-Entwicklungsressourcen sind nicht so reich wie JavaScript. 2) Python ist leistungsstark in Bibliotheken für Datenwissenschaft und maschinelles Lernen, während JavaScript in Bibliotheken und Front-End-Entwicklungsbibliotheken und Frameworks besser ist. 3) Beide haben reichhaltige Lernressourcen, aber Python eignet sich zum Beginn der offiziellen Dokumente, während JavaScript mit Mdnwebdocs besser ist. Die Wahl sollte auf Projektbedürfnissen und persönlichen Interessen beruhen.

Bei der Auswahl einer Pytorch -Version unter CentOS müssen die folgenden Schlüsselfaktoren berücksichtigt werden: 1. Cuda -Version Kompatibilität GPU -Unterstützung: Wenn Sie NVIDIA -GPU haben und die GPU -Beschleunigung verwenden möchten, müssen Sie Pytorch auswählen, der die entsprechende CUDA -Version unterstützt. Sie können die CUDA-Version anzeigen, die unterstützt wird, indem Sie den Befehl nvidia-smi ausführen. CPU -Version: Wenn Sie keine GPU haben oder keine GPU verwenden möchten, können Sie eine CPU -Version von Pytorch auswählen. 2. Python Version Pytorch

Die Installation von CentOS-Installationen erfordert die folgenden Schritte: Installieren von Abhängigkeiten wie Entwicklungstools, PCRE-Devel und OpenSSL-Devel. Laden Sie das Nginx -Quellcode -Paket herunter, entpacken Sie es, kompilieren Sie es und installieren Sie es und geben Sie den Installationspfad als/usr/local/nginx an. Erstellen Sie NGINX -Benutzer und Benutzergruppen und setzen Sie Berechtigungen. Ändern Sie die Konfigurationsdatei nginx.conf und konfigurieren Sie den Hörport und den Domänennamen/die IP -Adresse. Starten Sie den Nginx -Dienst. Häufige Fehler müssen beachtet werden, z. B. Abhängigkeitsprobleme, Portkonflikte und Konfigurationsdateifehler. Die Leistungsoptimierung muss entsprechend der spezifischen Situation angepasst werden, z. B. das Einschalten des Cache und die Anpassung der Anzahl der Arbeitsprozesse.

Pytorch Distributed Training on CentOS -System erfordert die folgenden Schritte: Pytorch -Installation: Die Prämisse ist, dass Python und PIP im CentOS -System installiert sind. Nehmen Sie abhängig von Ihrer CUDA -Version den entsprechenden Installationsbefehl von der offiziellen Pytorch -Website ab. Für CPU-Schulungen können Sie den folgenden Befehl verwenden: PipinstallTorChTorChVisionTorChaudio Wenn Sie GPU-Unterstützung benötigen, stellen Sie sicher, dass die entsprechende Version von CUDA und CUDNN installiert ist und die entsprechende Pytorch-Version für die Installation verwenden. Konfiguration der verteilten Umgebung: Verteiltes Training erfordert in der Regel mehrere Maschinen oder mehrere Maschinen-Mehrfach-GPUs. Ort
