Linux升级python2到python3.7

Linux搭建python3.7环境(flask版) 5.配置python环境以及安装编译python1) mkdir /usr/local/python32) cd Python-3.7.03) ./configure --prefix=/usr/local/python34) make && make install。>>> exit()表示安装成功~————————————————增加:ln -s python3 /usr/local/python3/bin/python3.7。(一般安装python的软连接在目录/usr/local下面) 阅读详情

一、环境:CentOS 6

二、步骤:

1、确认当前python版本下载最新Python3.7

   

 Index of /ftp/python/3.7.0/

2、进入该压缩包的下载目录,发现该压缩包(红色)

3、解压,出现安装文件夹(蓝色)

    tar -zxJf Python-3.7.0.tar.xz

4、创建一个目录,准备将python安装到新建的目录

6、进入之前解压缩的安装文件夹目录 Downloads/Python-3.7.0,下面的操作(只包括python的编译、安装,zlib、libffi等要到home目录或者root目录下安装)都在这个目录里完成

7、编译,命令行输入:

./configure --prefix=/usr/local/python3

8、查看编译状态,如果出现编译错误:

查看错误信息,一般是缺少一些RPM包,用yum安装之后重新编译即可,如gcc:

9、编译成功后,安装

10、如果出现安装错误 make error,查看错误信息:

  • zipimport.ZipImportError: can‘t decompress data; zlib not available

安装zlib:

  • ModuleNotFoundError: No module named ‘_ctypes

安装libffi-devel:

11、安装完成后,创建python软连接:

12、此时,回home目录或root目录输入python,发现还是python2:

13、将前面创建的软连接添加到PATH:

      将PATH修改为PATH=$PATH:$HOME/bin:/usr/local/python3/bin

14、重启系统或者source使PATH的修改生效,此时输入python3可启动python3.7,输入python启动的还是Python2,因为系统中有部分文件依赖于python2,所以保留。

至此,可以成功在Linux系统上使用Python3.7了。

Bigder:Linux centos下python2.7升级到python3.7.3 Linux上python2.7升级到python3.7 阅读详情

相关推荐

升级 Linux 系统中的 Python 版本

而对于 Linux 系统来说,Python 更是一个必须的组件,在系统运行和管理中都扮演了重要的角色。但是默认情况下,Linux 发行版中自带的 Python 版本可能比较老旧,无法满足我们的需求。升级 Linux 系统中的 Python 版本并不是一件困难的事情,只需要按照以上步骤进行操作就可以了。当然,在实际的操作过程中,可能会遇到一些问题,但只要耐心仔细地阅读错误提示信息,按照提示逐一排除即可。下面,以 Ubuntu 为例,介绍如何在 Linux 系统中升级 Python 版本。

学习使你进步。 1万+

linux服务器python2升级安装python3.7环境

如果这样可以成功运行,请检查你的 PATH 环境变量设置,并确保将 Python 3.7 的路径添加到其中。Python 3.7 可执行文件路径不在系统 PATH 中:即使安装了正确版本的 Python,如果其可执行文件路径不在系统的 PATH 环境变量中,你仍然无法直接通过。配置安装路径,大部分人配置的是/usr/local/python3 ,但自己配置的是/usr/local/python3.7。这将显示当前链接的路径。通过pip3命名进行安装时,提示版本较低,因此,需要升级pip3的版本。

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 3579

linux升级安装python3.7

centos-7 系统升级安装 python3.7 和 其安装所需的 zlib 安装包。

linux 下 python 版本升级

linux 下 python 版本升级。

随缘分享小工具~ 8773

工业缺陷检测深度学习方法综述

异常:点异常、 上下文异常和集群异常。点异常:又称为离群值 (outliers)[9], 描述数值上偏离正 常样本的独立数据。与异常相近的概念还包括新颖点(novelty)和分布外数据。上下文异常:同样描述数据点,其数值属于正常范围,但不符合局部上下文规律。集群异常:描述一系列相关数据的集合,集合中的每一个实例的数值在单独考察时都处于正常值域,但集 合整体的相关性特征不服从正常模式。一般的图像异常检测往往仅需区分正常与异常样本,而工业缺陷检测更关注于检测 图像中的异常像素.

2301_80355452的博客 1845

Spring Boot集成Jasypt踩坑实录:自定义SM4加密器Bean加载失败的终极解决方案

本文深入剖析了Spring Boot集成Jasypt时自定义SM4加密器Bean加载失败的根源,即Spring Boot启动流程中Bean加载顺序与Jasypt自动配置的时序冲突。文章提供了三种从源码层面解决问题的有效方案,包括使用ApplicationContextInitializer提前注册、调整Bean依赖顺序以及自定义PropertySource处理机制,并给出了完整的国密SM4加密器实现与测试示例。

weixin_29294975的博客 202

【Python】将Linux 上的Python2.7 升级成Python3.6

最近为了测试一些功能,所以装了一台Linux虚拟机。 主要是想写些python程式,但是装完虚拟机器后,发现内建python的版本都是2.7.5 。 据我所知,最新版已经到3.6.3了,看来是自己手动升级会比较快一些。 版本概要: 作业系统:CentOS_7_x64 安装类型:最小化安装 备注:# 表示使用天神权限下指令。 1.安装常用套件 由于是最小化安装,所以里面什么都没有,要

wwwdaan5com的博客 9335

Rk3128投影仪救砖操作和固件分享思路

大家搞一条比较硬的东西,插入耳机口,就可以进入刷机模式了的,我的机器是这样的,大家也可以试试。(看不懂可以往下看)

MMX7088的博客 1万+

Linux下python2.7.6升级python3.5.2

Linux下python2.7.6升级python3.5.2|python3.5.2安装

草棚 7047

新手入门:N-CMAPSS数据集解析与实战指南

本文详细解析了N-CMAPSS数据集的结构与应用,为新手提供航空发动机故障预测的实战指南。通过Python代码示例展示数据加载、探索和特征工程技巧,帮助读者快速掌握剩余寿命(RUL)预测的关键步骤,并分享常见问题解决方案与进阶学习路径。

weixin_29056701的博客 378

树莓派5首次开机保姆级教程(无显示器通过VNC连接树莓派桌面)

选择 Interface Options > VNC > Yes 启用服务。2.在Windows电脑上安装VNC软件。重启树莓派:sudo reboot。3.使用VNC远程访问树莓派桌面。

qq_34184505的博客 2351

linux 7下的python2升级python3

linux 7下的python2升级python3

m0_38004228的博客 1059

YOLO26改进策略【卷积层】| DWRSeg :高效获取多尺度上下文信息,二次改进C3k2

本文记录的是利用DWR 模块改进 YOLO26 的特征提取部分。(Dilation-wise Residual)通过两步残差流程(区域残差化-语义残差化)与分支化空洞卷积结合,引导解码器处理特征与跳接特征的多尺度精准融合。本文利用模块,通过区域残差化生成简洁区域型特征图以简化融合基础,再通过分支化空洞卷积捕捉多尺度空间上下文,同时依托残差连接保留原始特征信息,对YOLO26中不同尺度目标特征进行针对性强化、抑制无效背景特征干扰,在特征融合阶段实现多尺度语义与细节信息的高效互补,避免传统多感受野卷积的冗余计算

Limiiiing的博客 160

Linux——命令、Python2.7升级至Python3.8

检测python有没有安装:python3 --version。

wy313622821的博客 1096

【YOLOv8系列】YOLOv8的webUI界面设计;通过Streamlit实现YOLOv8的可视化交互界面设计

但是我为了避免重复性的工作,且为了避免重复安装之前(安装pytorch和yolov8时)已经安装好的库,因此写了一个python脚本进行安装;需要提前在有网络连接的电脑上下载所有必要的依赖项,然后将这些文件传输到离线的机器上进行安装。脚本将自动跳过已安装的包,并安装其余的 .whl 文件。在离线的机器上,切换到包含下载好的文件的目录。证明我们的streamlit安装成功了。证明你的streamlit安装成功了。第一步:在有网络连接的电脑上下载。第二步:将下载的文件传输到离线机器。文件)传输到离线的机器上。

AnChenliang_1002的博客 1567

基于Python的房地产评估数据抓取与分析 —— 房价走势与市场报告

在房地产行业中,了解和分析房产价格的变化趋势、各个地区的房价差异以及市场评价报告,可以帮助投资者、购房者以及政策制定者做出更加明智的决策。本文介绍了如何使用Python爬虫技术抓取房地产平台上的房产评估报告、价格走势等数据,并对抓取的数据进行分析。通过这些技术,您可以自动化抓取房地产平台的数据,分析房价走势,获取市场报告,为房地产投资决策提供数据支持。假设我们要从链家网抓取某个房产的价格、房产描述以及历史成交价格,首先需要获取目标房产页面的URL,并发送HTTP请求。伪装为常见浏览器,避免被识别为爬虫。

2201_76125261的博客 848

python2.7更新python3.6_将Linux 上的Python2.7 升级成Python3.6

最近为了测试一些功能,所以装了一台Linux虚拟机。主要是想写些python程式,但是装完虚拟机器后,发现内建python的版本都是2.7.5 。据我所知,最新版已经到3.6.3了,看来是自己手动升级会比较快一些。版本概要:作业系统:CentOS_7_x64安装类型:最小化安装备注:# 表示使用天神权限下指令。1.安装常用套件由于是最小化安装,所以里面什么都没有,要自己装。# yum -y upd...

weixin_39819393的博客 446

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

linuxpython升级3.5_将linux 2.7上的python更新到3.5

So I updated python using these instructions:sudo apt-get install build-essential checkinstallsudo apt-get install libreadline-gplv2-dev libncursesw5-dev libssl-devlibsqlite3-dev tk-dev libgdbm-dev li...

weixin_39618824的博客 116

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Linux系统将python版本从2.7.5升级到3.7.2

Linux系统将python版本从2.7.5升级到3.7.2

qq_38871632的博客 1191

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

linux安装python3.5.2_Linux环境下python2.7.6升级python3.5.2

需求Linux环境下有些是自带的Python2版本有时是刚安装号的Python其他版本,当新版本出来的时候,在开发的时候往往会选择新版本的软件进行安装。原因在开发的时候选用新版本的软件进行安装的时候,出于以下角度来考虑的。老版本的一些第三方软件库会随着新版本软件的更新,老本版所支持的第三方库就没有人去维护和更新了,后面在使用的过程中,如果出现了bug,就会花很大的精力去解决。步骤基于上面的要求,我...

weixin_34959771的博客 172

linuxpython升级3.5,将linux 2.7上的python更新到3.5

So I updated python using these instructions:sudo apt-get install build-essential checkinstallsudo apt-get install libreadline-gplv2-dev libncursesw5-dev libssl-devlibsqlite3-dev tk-dev libgdbm-dev li...

weixin_39641231的博客 101

linux下将Python自带版本(2.6.6)升级到2.7.3

linux下将Python自带版本(2.6.6)升级到2.7.3 1.查看python版本 python Python 2.6.6 (default, Mar 15 2019, 00:32:28) [GCC 4.4.7 20120313 (Red Hat 4.4.7-23)] on linux2 Type “help”, “copyright”, “credits” or “license” f...

林夕一叶的博客 632

Linux环境Python2.7升级Python3

Centos7中默认的Python版本为2.7,在2020年python官方将不再支持2.7版本的python,所以使用3.x版本的python是必要的 下载地址:https://www.python.org/ftp/python 选择一个合适的版本:wget https://www.python.org/ftp/python/***.tgz 默认的Python安装在/usr/bin/pyt...

qq_38836082的博客 3403

linux python 升级脚本,Linux环境下python2.7.6升级python3.5.2

需求Linux环境下有些是自带的Python2版本有时是刚安装号的Python其他版本,当新版本出来的时候,在开发的时候往往会选择新版本的软件进行安装。原因在开发的时候选用新版本的软件进行安装的时候,出于以下角度来考虑的。老版本的一些第三方软件库会随着新版本软件的更新,老本版所支持的第三方库就没有人去维护和更新了,后面在使用的过程中,如果出现了bug,就会花很大的精力去解决。步骤基于上面的要求,我...

weixin_35315019的博客 206

【linux下python安装升级(python2.7升级3.6.0)】

linux下python安装升级(python2.7升级3.6.0)

m0_45382009的博客 1332

linux python版本升级_Linux下python2.x升级python3.7

一、查看当前python版本[root@ansible ~]# python -VPython 2.7.5二、下载新的python包并安装进入python官网(https://www.python.org),选择需要的版本。此处我选择当前最新版本Python3.6.1[root@ansible soft]#yum install gcc gcc-c++ -y[root@ansible soft]#...

weixin_39967812的博客 196
下一篇: 华为MateBookD14硬盘升级(后盖滑丝、软件备份失败、重装Win10出问题、最终重装Win11)
-小美哥-
博客等级 码龄12年 19粉丝 7原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值