Ich habe bereits einen ähnlichen Artikel geschrieben, aber mit pyenv war es einfacher, daher werde ich das Verfahren neu organisieren. Abhängig von der Umgebung können einige Personen pyenv möglicherweise nicht verwenden oder möchten es nicht verwenden. In einem solchen Fall verweisen Sie bitte auf die folgende URL.
http://qiita.com/mix_dvd/items/7d2f11fa090cf39a5b31
Laden Sie die ISO-Datei von der folgenden URL herunter und installieren Sie sie, unabhängig davon, ob es sich um eine reale Maschine oder eine virtuelle Umgebung handelt.
http://www.ubuntu.com/download/server
Ausführliche Informationen zur Vorgehensweise finden Sie auf der Website, auf der die Details erläutert wurden.
http://webkaru.net/linux/ubuntu-14-04-lts-install/
Melden Sie sich als der erste Benutzer an, der während der Installation erstellt wurde.
Im Folgenden wird beschrieben, wie Sie die Umgebung nur mit dem angemeldeten Benutzer verwenden.
Die folgenden Befehle sind nicht erforderlich, um Jupyter Notebook selbst auszuführen. Bei der Installation oder Ausführung der Bibliothek wird jedoch möglicherweise eine Fehlermeldung angezeigt. Installieren Sie sie daher im Voraus.
$ sudo apt install -y build-essential
$ sudo apt install -y libsm6
$ sudo apt install -y libxrender1
Wenn Sie beim Ausführen des ersten Befehls zur Eingabe eines Kennworts aufgefordert werden, geben Sie das Kennwort ein, mit dem Sie sich anmelden.
https://github.com/yyuu/pyenv
pyenv ist ein Tool zum Installieren mehrerer Python-Versionen in einer Umgebung.
$ git clone https://github.com/yyuu/pyenv.git ~/.pyenv
$ echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
$ echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
$ echo 'eval "$(pyenv init -)"' >> ~/.bashrc
$ source ~/.bashrc
Verwenden Sie zum Aktualisieren von pyenv übrigens den folgenden Befehl.
$ cd ~/.pyenv
$ git pull
https://www.continuum.io/why-anaconda
Überprüfen Sie die Version von Anaconda, die installiert werden kann.
$ pyenv install -l | grep anaconda
Am 10. Juni 2016 war die neueste Version 4.0.0. Python weist viele Unterschiede zwischen Version 2.x und Version 3.x auf. Wählen Sie daher je nach Umgebung eine der folgenden Optionen aus. Sofern nicht anders angegeben, können Sie die 3.x-Serie wählen.
$ pyenv install anaconda2-4.0.0
$ pyenv rehash
$ pyenv global anaconda2-4.0.0
$ echo 'export PATH="$PYENV_ROOT/versions/anaconda2-4.0.0/bin/:$PATH"' >> ~/.bashrc
$ source ~/.bashrc
$ pyenv install anaconda3-4.0.0
$ pyenv rehash
$ pyenv global anaconda3-4.0.0
$ echo 'export PATH="$PYENV_ROOT/versions/anaconda3-4.0.0/bin/:$PATH"' >> ~/.bashrc
$ source ~/.bashrc
Übrigens scheint die folgende Meldung je nach Umgebung zu erscheinen.
$ pyenv install anaconda3-4.2.0
Downloading Anaconda3-4.2.0-Linux-x86.sh...
-> https://repo.continuum.io/archive/Anaconda3-4.2.0-Linux-x86.sh
error: failed to download Anaconda3-4.2.0-Linux-x86.sh
BUILD FAILED (Ubuntu 16.04 using python-build 1.0.7-1-g99d1670)
Die Lösung ist wie folgt.
$ sudo apt-get install ca-certificates
$ sudo mkdir -p /etc/pki/tls/certs
$ sudo cp /etc/ssl/certs/ca-certificates.crt /etc/pki/tls/certs/ca-bundle.crt
Nachdem Sie die obigen Schritte ausgeführt haben, installieren Sie Anaconda mit pyenv.
Seaborn
Hauptsitz https://web.stanford.edu/~mwaskom/software/seaborn/
$ pip install seaborn
XGBoost
Hauptsitz https://xgboost.readthedocs.io/
Referenz-URL https://xgboost.readthedocs.io/en/latest/build.html#python-package-installation
$ git clone --recursive https://github.com/dmlc/xgboost
$ cd xgboost
$ make -j4
$ cd python-package
$ python setup.py install
Ich kann es mit pip installieren, aber selbst wenn ich es installieren könnte, ist manchmal zur Laufzeit ein Fehler aufgetreten, sodass das Verfahren zum Installieren durch Kompilieren aus dem Quellcode angezeigt wird.
Referenz-URL https://www.tensorflow.org/versions/r0.9/get_started/os_setup.html#pip-installation
Python 2
Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0rc0-cp27-none-linux_x86_64.whl
$ sudo pip install --upgrade $TF_BINARY_URL
Python 3
Ubuntu/Linux 64-bit, CPU only, Python 3.5
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0rc0-cp35-cp35m-linux_x86_64.whl
$ sudo pip3 install --upgrade $TF_BINARY_URL
Jupyter Notebook
Hauptsitz http://jupyter.org
$ cd
$ jupyter notebook --generate-config
$ echo "c.NotebookApp.ip = '*'" >> ~/.jupyter/jupyter_notebook_config.py
$ echo "c.NotebookApp.open_browser = False" >> ~/.jupyter/jupyter_notebook_config.py
$ echo "c.NotebookApp.port = 8888" >> ~/.jupyter/jupyter_notebook_config.py
Führen Sie den folgenden Befehl im Home-Verzeichnis des Erstbenutzers aus.
$ jupyter notebook
Wenn es zu funktionieren scheint, starten Sie den Webbrowser eines anderen Computers und greifen Sie auf die folgende URL zu.
http://xxx.xxx.xxx.xxx:8888
Ersetzen Sie "xxx.xxx.xxx.xxx" durch die IP-Adresse Ihres Ubuntu-Computers.
Wenn die Jupyter Notebook-Seite angezeigt wird, OK!
Japanisch wird möglicherweise nicht angezeigt, wenn Sie ein Diagramm mit matplotlib zeichnen. Beachten Sie daher auch das entsprechende Verfahren.
http://qiita.com/mix_dvd/items/1c192bd8c852c4aaa413
Es besteht der Wunsch, die im Home-Verzeichnis gespeicherten Dateien einfach abzurufen. Daher werde ich das Verfahren hinzufügen, um sie mit Samba von anderen PCs aus zugänglich zu machen.
Installieren Sie zuerst Samba.
$ sudo apt install -y samba
$ sudo pdbedit -a [Login Benutzername]
new password: [Beliebiges Passwort]
retype new password: [Beliebiges Passwort]
Als nächstes wird die Einstellungsdatei bearbeitet.
$ sudo vi /etc/samba/smb.conf
Suchen Sie nach den folgenden Teilen und korrigieren Sie die Teile, die auskommentiert sind oder deren Inhalt unterschiedlich ist.
smb.conf
[homes]
comment = %U's Home directory
browseable = Yes
read only = No
writable = Yes
Starten Sie Samba neu.
$ sudo systemctl restart smbd nmbd
das ist alles.
Recommended Posts