ubuntu linux nvm 装nodejs

1.安装nvm:

   1.git clone https://github.com/creationix/nvm.git ~/.nvm && cd ~/.nvm

   2.source ~/.nvm/nvm.sh

判断是否安装成功:

 终端输入:nvm --vesion 查看版本号。

如果关闭终端后再打开,发现nvm没有了,则:

在 ~/.bashrc,~/.profile,or ~/.zshrc 文件内写入source ~/.nvm/nvm.sh.

 

2.安装node

  1.nvm install 0.10.32     //安装版本号。

  2.nvm alias default 0.10.32    //将其设定为默认版本。

如果关闭终端后node打不开,则是 nvm alias default 0.10.32    这条命令没有起作用。

重新输入这条命令。

 

3.安装mongodb

  1.下载mongodb 地址:http://fastdl.mongodb.org/linux/mongodb-linux-i686-1.8.2.tgz

  2.解压当前文件到home目录,修改文件名为mongodb

  3.在 .profile文件末尾加入:exprot PATH=文件路径/bin:$PATH

文件路径指mongodb的安装路径。

  4.在终端执行:

      cd  ~/mongodb

      mkdir db

      cd bin

     mongod --dbpath ~/mongodb/db  //指定mongodb 数据存放位置。

在终端输入mongodb,看可以用不。

 

 

Ubuntu安装Node.js避坑指南:apt、PPA与nvm深度对比 Node.js作为JavaScript运行时环境,其在Linux系统中的部署远不止执行一条安装命令。理解其底层依赖管理、PATH环境变量机制、包版本生命周期及权限模型,是保障应用稳定运行的基础。Ubuntu作为主流服务器发行版,提供了apt官方仓库、Nodesource PPA和nvm三种典型方案,各自对应不同场景:apt强调系统级稳定性与安全策略兼容性,PPA解决版本滞后问题但引入源污染风险,nvm则以用户级版本隔离见长却需精细Shell环境治理。本文围绕Node.js与Ubuntu的协同实践,深入解析a 阅读详情

相关推荐

Ubuntu 20.04 Node.js安装决策指南:Nodesource与NVM选型实战

Node.js 是现代 Web 开发的核心运行时环境,其版本管理直接影响项目构建、依赖兼容与生产稳定性。在 Ubuntu 20.04 这类 LTS 系统中,系统默认 APT 仓库仅提供过时的 Node.js 10.x,而主流框架(Vite、Next.js、NestJS)普遍要求 Node.js 16+ 甚至 18.17+,由此引发版本断层、gyp 编译失败、Python 环境冲突等高频问题。技术选型需权衡确定性与灵活性:Nodesource 提供系统级集成、CI/CD 友好、无交互安装能力,适合生产服务器与

weixin_33670786的博客 412

nvm命令安装及node管理

nvm安装成功但是nvm命令无效,node安装失败问题解决

m0_58530510的博客 913

CoaXPress FMC子卡:高速图像采集与FPGA原型开发实战指南

在机器视觉和工业检测领域,高速、可靠的数据传输是核心需求。CoaXPress(CXP)协议作为一种基于同轴电缆的高速接口标准,通过其高带宽、长距离传输和低延迟的特性,有效解决了传统接口在确定性实时传输方面的短板。其技术价值在于为海量图像数据提供了稳定、高效的物理层和数据链路层解决方案,广泛应用于半导体检测、医疗成像等对吞吐量有极致要求的场景。要实现CXP系统的快速原型验证,集成了高速SerDes接口和时钟管理的FMC子卡与FPGA开发板的组合成为关键。这种平台将复杂的硬件设计封装,让开发者能聚焦于图像处理算

weixin_31815843的博客 281

Ubuntu系统安装nvm管理不同版本nodejs及其部分使用案例

【代码】Ubuntu系统安装nvm管理不同版本nodejs及其部分使用案例。

a_diaobaola的博客 1966

【Qualcomm高通音频】如何封装音频控件?

音频代码涉及面很广,这篇文档介绍如何封装音频控件给HAL层使用。这里以AW87519芯片调试为例进行介绍封装音频控件和使用的方法。在最初接出到高通音频基础功能调试的时候,都是从tinyalsa指令/mixer_paths文件配置开始。因为单独一个音频设备的调试,都对应一条音频链路的打通。比如以下链接上高通平台基础音频输入输出设备调试: 【Qualcomm音频】Speaker 调试记录http...

crow_ch的博客 1955

解决Docker拉取镜像报错:Get https://registry-1.docker.io/v2/: 报错

解决Docker拉取镜像报错: Get “https://registry-1.docker.io/v2/”: net/http: request canceled while waiting for connection问题描述Get "https://registry-1.docker.io/v2/"是docker官方的镜像源,下载很慢的,一般会自己指定国内映射的加速镜像源。

qq_33650333的博客 4174

apt-get和nvm装node有什么区别

首先说说我对“apt-get和nvm分别是干什么的”的理解apt-get在各个平台都有相关的包管理工具,比如ubuntu下面有apt-get,centos下面有yum,mac下面有brew等,它们都是安装软件的非常方便的利器,主要用于自动从互联网的软件仓库中搜索、安装、升级、卸载软件或操作系统一般apt-get前会加上sudo,sudo是允许用户通过安全的方式使用特殊的权限运行程序,这个命令,会访问

半生不熟的博客 1878

spoon工具的常用基础操作

先创建一个作业,这个作业流程,包括进行设置变量转换,查询结果输出转换,方便后续循环。整个流程写完后,执行作业5_执行整个流程,成功后,可以在数据库查看结果。,新建一个转换,excel表输入然后复制记录到结果,保存转换文件。这三个用户下 都有一张emp表 分别是 三个部门的用户信息。,新建一个数据库连接,变量命名用户名和密码。成功执行后,可以到保存的excel位置进行查看。emp表输入,可以进行预览查看数据有没有过来。输出到一直excel表,运行结果输出。,新建一个转换,拖拽。

qq_43583887的博客 5831

使用apt-get和nvm安装node的区别

初识 apt-get 和 nvm apt-get 是什么 在各个平台都有相关的包管理工具,比如 ubuntu 下面有 apt-get,centos 下面有 yum,mac 下面有 brew 等,它们都是安装软件的非常方便的利器,主要用于自动从互联网的软件仓库中搜索、安装、升级、卸载软件或操作系统 如何使用 apt-get 安装 node $ sudo apt-get

woshiliulei0的专栏 1250

python监听海康威视报警服务器

因为我使用海康威视摄像头是自带热成像的所以事件报警会上报两张图片,一张是RGB图像、另一张是热成像图像,因此使用。拿到的就是第一张RGB图像。可以点击测试,会显示。

qq_57018478的博客 1168

抓包网络调试工具 reqable抓包教程

如果CA根证书未安装成功,网络图标是黄色,点击盾牌图标可以进入CA根证书安装界面,详细步骤请阅读。在API调试中,获取流量是第一步也是最基本的操作,这里讲解下如何使用Reqable获取流量,通俗地讲就是抓包。我们可以选择一个图片请求,双击打开详情面板,能够看到该请求的详细信息。如果系统代理未设置,网络图标是黄色,点击网络图标可以自动设置系统代理。此域名的结构树,可以查看该域名下所有请求的目录结构,点击选择可以查看该请求的详情。首先,需要启用Reqable的调试功能,点击最右上角的。打开浏览器,输入地址。

代码简单说 Vue、JAVA、PHP、Node.js 熟练运用,接口、架构、性能全搞定。 2567

linux平台远程开发环境搭建 ——Ubuntu、C++、Rust、Nodejs、VScode(二)

更新系统保存并退出(Ctrl+X,然后按 Y,回车)。

abr2016的博客 381

用MSBlock重塑C2f,让你的模型又轻又强(参数量与精度的双重突破)

打开确保模型解析器能识别MSBlock模块。通过将MSBlock集成到YOLOv8的C2f模块中,我们实现了一个“轻量且多尺度感知”的目标检测模型。这个改进不仅在工程上能降低部署成本、提升推理速度,更在科研上提供了“多尺度+动态核”的创新思路——这种思路可以延伸到其他网络(如ResNet、MobileNet)的改进中,帮你在论文中打造独特的研究点。如果你在实现过程中遇到问题,比如代码报错、训练收敛异常,可以先检查模块集成的每一步是否到位,再尝试调整MSBlock的卷积核尺寸、动态权重的计算方式等超参数。

m0_71589036的博客 107

Linux | Ubuntu零基础安装 nvm 管理nodejs

nvm是什么?你可以把它理解成 nodejs的管理软件,方便快速切换nodejs的版本,达到兼容状态废话不多说啦,直接上案例安装教程!!

键盘爱好者 1369

91、Windows网络配置:动态更新与名称解析全攻略

本文全面解析了Windows XP Professional系统中的网络配置方法,重点介绍了动态更新和名称解析两大核心功能。动态更新部分涵盖DHCP客户端、静态配置客户端、远程访问客户端和多宿主客户端的配置方法,并提供禁用动态更新和编辑Hosts文件的注意事项。名称解析部分详细讲解了NetBIOS名称解析的基础知识、WINS配置方法、B节点广播与Lmhosts文件的使用,以及WINS代理的作用和配置要点。通过操作建议流程图和关键操作步骤回顾,帮助用户快速掌握网络配置的核心技巧,适用于不同网络环境的实际需求。

blue42的博客 236

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Ubuntu安装Nvm管理NodeJS版本

Node Version Manager(nvm)可通过命令行快速安装和使用不同版本的Node.js。

Quantum-Clock 2169

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'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('DeepLearnToolbox'));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('state',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'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',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 = 'sigm';%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, 'Too big error');```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('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';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)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';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, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% 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'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 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, 'Too big error');```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('state',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, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',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, 'Too big error');%% ex3 neural net with dropoutrand('state',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, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % 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, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % 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, 'Too big error');%% 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('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % 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, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

ubuntu 18.04 使用 nvm 安装 nodejs

  20190315 使用 nvm 安装 nodejs      1、 找到 nvm 官网帮助      https://github.com/creationix/nvm      我习惯于 terminal 操作,所以选择 git install ,帮助文档如下 https://github.com/creationix/nvm#git-install      2、下载 nvm、instal...

li123128的博客 2040

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

ubuntu如何安装nvm

ubuntu 是一个发行版的 linux 操作系统,nvm 是 Node.js 的版本管理工具,可以很方便的安装/卸载/切换不同版本的 Node.js。本文介绍如何在 ubuntu 上安装 nvm,关于 nvm 详细介绍参考下面这篇博客。nvm安装使用。

小何的博客 1729

How to install nodejs with nvm on Linux mint 22.1

How to install nodejs with nvm on Linux mint 22.1

在路上 603

Linux下安装部署NodeJS完整步骤

NodeJS是一个开源,跨平台,轻量级的JavaScript运行时环境,可用于构建可扩展的网络应用程序。它是基于Chrome的V8 JavaScript引擎构建的快速高效的服务器端软件。最初,JavaScript主要用于客户端脚本。但是,Nodejs使JavaScript可以用于服务器端脚本,并在服务器端运行脚本以生成动态网页。另一个值得注意的事情是Nodejs有一个名为npm的命令行实用程序,它是一个软件包管理器,用于安装,管理nodejs库和应用程序。Nodejs软件包生态系统是世界上最大的开源库生态系

zjjcchina的博客 8826

Ubuntu linux系统下安装nvm

4.将下边这一段追加到最后面 0.39.3是nvm的版本,修改成自己对应的版本。10.如果卸载nvm 可删除nvm安装目录 然后再重新安装。6.nvm -v 检查是否安装成功。9.阿里云地址 (可配置其他地址)7.查看当前镜像源可下载的版本。5.重新加载配置文件。

weixin_65243943的博客 2251

在Linux(ubuntu server)上面安装NodeJS的正确姿势

上一篇文章,我介绍了在Windows中安装NodeJS的正确姿势,这一篇,我们继续来看一下在Linux上面安装和配置NodeJS。 为了保持一致,这里也列举三个方法 第一个方法:通过官网下载安装 https://nodejs.org/en/download/ 这种方式的问题是我们需要自己去找网页,找到链接,然后下载 第二个方法:使用apt工具进行安装 默认情...

diankui6178的博客 86

linux系统安装VSCode、NVM、Node环境指令流

linux系统快速安装VSCode、NVM、Node环境,以便在linux上实现Web程序的开发

梵心白莲的博客 1197

Ubuntu 安装 Nodejs

本教程详细介绍了在 Ubuntu 22.04 和 24.04 系统上安装 Node.js 的三种主流方案。 1)NVM 方式:推荐开发者使用,支持多版本切换且免 sudo 权限,避开权限报错。 2)NodeSource 方案:适用于服务器部署,通过 apt 管理官方较新版本。 3)官方源方式:最为简便,但特别提醒 22.04 用户注意其版本过于陈旧。 文章通过对比系统差异,为开发者和运维人员提供了清晰的选型建议与标准化的操作步骤,是 Ubuntu 环境下搭建 Node 运行环境的实操指南。

BI 2263
上一篇: ubuntu linux下nodejs+express的安装配置
下一篇: 终端linux命令
黄祚敏
博客等级 码龄10年 22粉丝 89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