python开发指南(索引合集)
安装python 多版本环境
由于python有各种不同版本,且各版本不能完全兼容,anaconda 工具包可以完美解决该问题。
下载地址: https://repo.anaconda.com/archive/
或者同项目发布的 miniconda,二者的区别在于内置的常用包的多少
下载地址:https://repo.anaconda.com/miniconda/
如果一路enter下来安装,可能出现找不到命令的提示,需要进行初始化配置
# 进入安装目录执行 conda init bash
/root/anaconda3/bin/conda init bash
# bash参数为你的 shell 环境,可以使用 echo $SHELL 查看
# 也可以使用参数 --all 全部设置
/root/anaconda3/bin/conda init --all
# 此时,还可以出现找不到命令情况,需要重新加载shell
source /root/.bashrc
# 查看所有已经安装的模块
pip list
# 将所有的模块输出到 文件
pip freeze > modules.txt
# 卸载所有的模块
pip uninstall -r modules.txt -y
# 查看当前python版本
python --version
# 查看安装了哪些包
conda list
# 查看环境列表
conda env list
# 查看环境列表
conda info -e
# 创建环境,后面为使用的python版本
conda create -n your_env_name python=x.x
conda create -n cvyolo python=3.12
# 切换环境
conda activate cvyolo
安装cuda
CUDA Toolkit Archive:https://developer.nvidia.com/cuda-toolkit-archive
wget https://developer.download.nvidia.com/compute/cuda/11.8.0/local_installers/cuda-repo-rhel7-11-8-local-11.8.0_520.61.05-1.x86_64.rpm
sudo rpm -i cuda-repo-rhel7-11-8-local-11.8.0_520.61.05-1.x86_64.rpm
sudo yum -y install nvidia-driver-latest-dkms
sudo yum -y install cuda
sudo yum clean all
# 查看板卡信息
lspci | grep -i nvidia
# 查看驱动程序是否安装
nvidia-smi
# 查看nvcc版本
nvcc --version
# 此时可能nvcc已经安装,但是没有配置环境变量
查看GPU加速CUDA是否生效
# 单次查看
nvidia-smi
# 监视查看
watch -n 10 nvidia-smi
docker支持nvidia gpu
# 主机安装docker
# 主机安装nvidia-container-toolkit
curl -s -L https://nvidia.github.io/libnvidia-container/centos7/libnvidia-container.repo | sudo tee /etc/yum.repos.d/nvidia-container-toolkit.repo
yum install -y nvidia-container-toolkit
# 配置docker运行时支持gpu
nvidia-ctk runtime configure --runtime=docker
# 命令行运行使容器支持gpu
docker run -itd --gpus all python:3.10.14
将py打包为exe
# 安装打包工具,注意,
# 截止至2024年6月3日,其他版本打包出来的exe报毒
pip install pyinstaller==6.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 打包为单文件,需要很久时间
pyinstaller --onefile main.py
# 直接打包
pyinstaller main.py
# 高级设置
pyinstaller --onefile \
--windowed \
--icon=./assets/icon.ico \
--name=fff \
main.py