美文网首页我爱编程
Python 多版本共存问题 2

Python 多版本共存问题 2

作者: 研究路上 | 来源:发表于2017-04-22 22:19 被阅读148次

    Python 多版本共存问题 2

    ​ 本文主要讨论 多种版本的 Python 模块的共存与调用问题,并尝试给出一种清爽的解决办法。

    多种版本的 Python Module?

    ​ 伴随 Python 逐步成为数据科学领域的主力研发语言,越来越多的机器学习库都发布了 Python 版本,包括了著名的 scikit-learn,tensorflow,keras 等。正是由于数据科学近年来在基础算法和计算架构上的迅猛发展,这些Python module 也频繁地发布新版本。

    ​ 最令人恶心的 Tensorflow 还未发布稳定版 1.0.0 之前时,几乎每个次级版本的Tensorflow的 API都不一样。当然这主要是由于深度学习领域的算法层出不穷,另一方面我个人猜测是由于Tensorflow代码在不断根据google的计算平台变化做出演进

    ​ 那么问题就来了,可能三个月前自己写的 Seq2Seq 的 tf 代码,在新版的 Tensorflow 中就已经不能运行,这就是因为版本变化带来的API变化导致。那么有人说,只要我一直不更新 TF 不就好了吗?

    ​ 理想丰满,现实骨感!

    • 笔者使用的Ubuntu 机器是实验室共有的,TF 是否更新,服务器管理员的决定权也是很重要的!

    • 最新版本的 TF 的计算效率相对来说总是在改进的:新版的 TF 可以使用更新的 CUDA 版本以及 CUDNN版本。

    • 新来的开发者通常愿意去采用最新稳定版的 TF 来开发算法,如果要使用他们开发的算法,那么势必需要在对应的 TF 版本中才能运行。

      有鉴于此,为了同时运行新老代码,我们通常选择在同一台机器上配置共存的多版本 Module。

    如何配置并使用多种版本 module?

    ​ 一个简单的想法是,对每一个开发任务,创建一个单独的环境,这个环境有独立于外界的模块。只要我们进入了这个单独的环境,就可以在里面安装并使用任务对应版本的模块了。

    ​ 幸运的是,这样做的方法有很多,例如 docker。但这里我们暂时用不到这么高大上的技术,我们只需要采用 virtualenv 命令即可。

    • 利用 virtualenv 命令创建独立的 Python 环境

      • virtualenv 的安装

        # 安装 Python 2.7下的virtualenv
        sudo pip install virtualenv
        
      • 采用 virtualenv 命令创建一个独立的 Python 环境

        # 创建一个空间放置我可能创建的多个环境
        mkdir ~/my_lib/py_env
        cd ~/my_lib/py_env
        
        # 假设系统默认的 Python 为 Python 2.7
        # 创建 Python 2.7 的独立环境
        virtualenv py27_env
        
      • 如何进入该独立的 Python 环境呢?

        ​ 注意到,这里的进入 独立的Python环境的意思并不是一定要 cd 到上一步创建的Python独立环境所在文件夹处,几乎可以在任意位置启动环境。

        ​ 启动环境的意思是,在这个环境中,除了 Python 相关的命令,其余诸如 cd,ls等命令与外界无异,只有和 Python 相关的命令例如 pip, python 等才会有独立于外界的命令。

        cd ~
        # 可以在任意位置进入该 Python 环境
        source ~/my_lib/py_env/py27_env/bin/activate
        # 事实上,上述命令可以理解为将 ~/my_lib/py_env/py27_env/bin 加入系统路径,且优先级最高。但 ~/my_lib/py_env/py27_env/bin 文件夹中只存在和 Python 相关的命令,因此只有 Python 相关命令的执行会受该环境的影响
        
      • 如何退出该独立的 Python 环境

        deactivate
        
    • 在对应的独立环境中安装任意版本的模块

      我们这里的任务是创建一个 Python 3.5 环境,然后利用 pip 安装 tensorflow 的1.0.1 gpu版本

      • 先创建 Python 3.5 环境,激活它

        # 创建 Python 3.5 环境
        # -p PYTHON_EXE_PATH 参数,也可以换成 --python=PYTHON_EXE_PATH
        # 代表创建的该独立环境所依据的系统 Python 命令来自哪儿,改变参数可以得到不同版本 Python 独立环境
        virtualenv -p /usr/bin/python3.5 ~/my_lib/py_env/py35_env
        # 激活它
        source ~/my_lib/py_env/py35_env/bin/activate
        
      • 安装 tensorflow 1.0.1 gpu 版本

        pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp34-cp34m-linux_x86_64.whl
        # 这里的执行的命令 pip 换成 pip3 或者 pip3.5都可以,这三个命令都是~/my_lib/py_env/py35_env/bin/ 中的
        # 值得注意的是,这里可以运行 pip2,这里的 pip2就是系统命令了,即 /usr/bin/pip2了。可以采用 which pip2 验证一下
        which pip2
        which pip
        which pip3
        which pip3.5
        
      • 可以进入 Python 解释器看看

        # 以下三个命令都可以进入 该独立环境对应的 Python 3.5环境
        python
        python3
        python3.5
        

        进入解释器之后

        import tensorflow as tf
        # 查看该 tensorflow 的安装位置
        print(tf.__path__)
        
    • virtualenv 的更多选项

      这里的系统 Python 环境是指创建该独立环境时的 -p 参数

      • --no-site-packages 选项代表 安装到系统Python环境中的所有第三方包都不会复制过来,目前我看到这个是默认执行的
      • --system-site-packages 选项代表该虚拟环境可以访问系统 Python环境中的 第三方包
      • 更多的选项直接在 shell 端输入 virtualenv 即可查看

    相关文章

      网友评论

        本文标题:Python 多版本共存问题 2

        本文链接:https://www.haomeiwen.com/subject/hxhezttx.html