Ubuntu中Python环境如何搭建

ubuntu

小樊

2025-03-02 12:05:48

栏目: 编程语言

在Ubuntu中搭建Python环境可以通过以下步骤完成：

1. 更新系统

首先，打开终端并更新系统软件包列表：

sudo apt update
sudo apt upgrade

2. 安装Python

Ubuntu通常预装Python 3，但你可以通过以下命令检查版本并安装最新版本（以Python 3.8为例）：

sudo apt install python3.8

验证安装是否成功：

python3.8 --version

3. 安装pip

pip是Python的包管理工具，用于安装和管理Python包。安装pip：

sudo apt install python3-pip

验证pip安装成功：

pip3 --version

4. 设置虚拟环境（可选）

虚拟环境可以帮助你隔离项目依赖，避免不同项目之间的依赖冲突。安装python3-venv包：

sudo apt install python3-venv

创建项目目录并激活虚拟环境：

mkdir my_ai_project
cd my_ai_project
python3 -m venv venv
source venv/bin/activate

激活后，命令行前会出现(venv)，表示已进入虚拟环境。

5. 安装AI库

在虚拟环境中安装AI开发所需的库，例如TensorFlow、Keras和PyTorch：

pip3 install tensorflow
pip3 install keras
pip3 install torch

6. 验证安装

安装完成后，可以验证Python和相关库是否安装成功。例如，使用Python运行一个简单的TensorFlow和Keras示例：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers

# 加载MNIST数据集
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

# 预处理
x_train = x_train / 255.0
x_test = x_test / 255.0

# 构建神经网络模型
model = keras.Sequential()
model.add(layers.Flatten(input_shape=(28, 28)))
model.add(layers.Dense(128, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))

# 编译模型
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])

# 训练模型，5个epoch
model.fit(x_train, y_train, epochs=5)

# 评估模型
test_loss, test_acc = model.evaluate(x_test, y_test)
print(f'Test accuracy: {test_acc * 100:.2f}%')

保存文件后，运行：

python3 first_ai_model.py

训练完成后，将显示测试准确率，通常在97%-98%左右，验证模型有效性。

以上步骤可以帮助你在Ubuntu上成功搭建Python环境，并进行AI开发。

亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>