Pemasangan SageMath
SageMath ialah sistem perisian matematik sumber terbuka percuma yang membina pada banyak pakej sumber terbuka sedia ada, termasuk NumPy, SciPy, matplotlib, Sympy, Maxima, GAP, FLINT, R dan lebih. Tidak seperti perisian proprietari seperti Magma, Maple, Mathematica, dan MATLAB, Sage bebas untuk digunakan dan membolehkan anda melihat dan mengubah suai kod sumber. Jika anda biasa dengan Python, anda akan berasa selesa dengan Sage kerana ia memanjangkan Python dengan set alat matematik yang mantap.
Cara paling mudah untuk bermula dengan Sage ialah dengan menjalankan kod dalam buku kerja berasaskan penyemak imbas pada platform yang dipanggil CoCalc. Peringkat percuma CoCalc menawarkan beberapa faedah, termasuk kerjasama, pengurusan pergantungan automatik, dan kemudahan melaksanakan kod Sage tanpa memasang perisian secara tempatan. Walau bagaimanapun, selepas menggunakan CoCalc untuk seketika, saya mendapati diri saya mahukan persediaan yang lebih pantas, bebas daripada batasan persekitaran awan. Ini menyebabkan saya memasang Sage secara setempat pada mesin saya.
Jika anda menjalankan Windows, memasang Sage memerlukan beberapa langkah tambahan.
- Muat turun Windows Subsystem untuk Linux. Pastikan anda menggunakan WSL2.
- Membaca Sediakan persekitaran pembangunan WSL juga berguna.
Anda boleh mendapatkan arahan untuk pemasangan tempatan dalam Panduan Pemasangan Sage.
Terdapat beberapa cara untuk memasang Sage, setiap satu dengan kelebihannya. Memasang Sage daripada sumber menawarkan fleksibiliti yang paling tinggi, tetapi ia merupakan proses yang panjang yang mungkin menimbulkan beberapa cabaran. Memasang kebergantungan yang diperlukan boleh mengambil masa yang agak lama, dan arahan buat — digunakan untuk membina Sage — juga memerlukan sedikit kesabaran, bergantung pada sumber komputer anda.
Bagi mereka yang mencari proses pemasangan yang lebih ringkas dan pantas, menggunakan conda-forge ialah alternatif yang sangat baik. Conda-forge ialah koleksi pakej yang dipacu komuniti untuk conda, menjadikannya mudah untuk memasang dan mengurus Sage tanpa berurusan dengan kerumitan binaan sumber. Begini caranya untuk bermula:
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
Selepas memasang Sage melalui conda, anda akan melihat mesej yang serupa dengan yang berikut. Beri perhatian kepada arahan yang diberikan, kerana ia membimbing anda tentang cara mengaktifkan dan mengurus persekitaran Sage baharu anda:
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 $SHELL`? [yes|no] [no] >>> no
Gesaan ini bertanya sama ada anda mahu conda dimulakan secara automatik setiap kali shell anda bermula. Saya lebih suka menjaga kebersihan persekitaran saya, jadi saya memilih tidak. Pilihan ini memastikan persekitaran asas tidak aktif semasa permulaan, yang membantu menghalang gesaan arahan dengan pengaktifan persekitaran yang tidak perlu. Jika anda lebih suka persediaan ini, taip tidak apabila digesa.
You have chosen to not have conda modify your shell scripts at all. To activate conda's base environment in your current shell session: eval "$(/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!
Mengaktifkan persekitaran anda secara manual memastikan anda mengekalkan kawalan ke atas masa dan cara persekitaran konda anda dimuatkan. Pendekatan ini bermanfaat jika anda menggunakan berbilang persekitaran.
Memandangkan saya memilih untuk tidak mengubah suai skrip shell saya, saya menjalankan Sage secara manual menggunakan arahan berikut. Kaedah ini memastikan persekitaran yang bersih dan memberi saya kawalan ke atas masa untuk mengaktifkan Sage:
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
- Arahan pertama memulakan conda dalam shell semasa anda.
- Arahan kedua mengaktifkan persekitaran bijak.
- Arahan ketiga memulakan Sage dengan antara muka buku nota Jupyter.
Perhatikan bahawa (asas) menunjukkan persekitaran asas konda diaktifkan, dan (sage) menunjukkan bahawa persekitaran sage aktif. Menjalankan arahan ini setiap kali boleh menjadi berulang, jadi mari kita mengautomasikan proses ini dengan mencipta skrip bash. Kita boleh mencipta fail sage_nb.sh. Jika anda menggunakan WSL, dokumen mengesyorkan:
#!/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
Dalam kes saya, saya memasang JupyterLab kerana saya lebih suka antara muka yang lebih moden. Ini skrip saya:
#!/bin/bash # Start JupyterLab /home/samuel_lubliner/miniforge3/envs/sage/bin/sage --notebook jupyterlab
Untuk menjalankan skrip, anda perlu menjadikannya boleh laku:
chmod ug+x ~/sage_nb.sh
Kini anda boleh menjalankan skrip bila-bila masa anda mahu memulakan Sage:
cd ~ ./sage_nb.sh
Jika semuanya disediakan dengan betul, menjalankan skrip akan memulakan pelayan Jupyter di terminal anda. Dari sini, anda boleh mula bekerja dengan Sage dalam penyemak imbas anda.
Jika anda lebih suka pendekatan yang lebih mesra pengguna, anda boleh mengambil skrip bash ini selangkah lebih jauh dengan mencipta pintasan boleh klik pada desktop anda. Ini membolehkan anda memulakan Sage dan JupyterLab dengan klik dua kali. Anda boleh mendapatkan arahan terperinci tentang cara membuat pintasan ini dalam dokumen SageMath.
Atas ialah kandungan terperinci Pemasangan SageMath. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
