zoukankan      html  css  js  c++  java
  • windows pip 安装 转载

    经常在使用Python的时候需要安装各种模块,而pip是很强大的模块安装工具,但是由于国外官方pypi经常被墙,导致不可用,所以我们最好是将自己使用的pip源更换一下,这样就能解决被墙导致的装不上库的烦恼。

    网上有很多可用的源,例如豆瓣:http://pypi.douban.com/simple/

                                              清华:https://pypi.tuna.tsinghua.edu.cn/simple

    最近使用得比较多并且比较顺手的是清华大学的pip源,它是官网pypi的镜像,每隔5分钟同步一次,地址为 https://pypi.tuna.tsinghua.edu.cn/simple

    临时使用:

    可以在使用pip的时候加参数-i https://pypi.tuna.tsinghua.edu.cn/simple

    例如:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple gevent,这样就会从清华这边的镜像去安装gevent库。

    永久修改,一劳永逸:

    Linux下,修改 ~/.pip/pip.conf (没有就创建一个), 修改 index-url至tuna,内容如下:

     [global]
     index-url = https://pypi.tuna.tsinghua.edu.cn/simple

    windows下,直接在user目录中创建一个pip目录,如:C:Usersxxpip,新建文件pip.ini,内容如下

     [global]
     index-url = https://pypi.tuna.tsinghua.edu.cn/simple

    easy_install 或者pip 安装时出现unable to find vcvarsall.bat解决方法

    2015-07-07  Tech-d   阅 5914  转 63
     
    问题原因:
     
    很多python 库实际上使用c或者c++写的,所以安装编译时会需要用到msvc的东西;如果你的机器里没有装VS或者注册表设置不太对的话,就会报错。

    解决方法:
    如果你完全没有安装VS的话,网上查到的各种修改环境变量,比如set VS90COMNTOOLS=C:Program FilesMicrosoft Visual Studio 9.0Common7Tools
    或者SET VS90COMNTOOLS=%VS100COMNTOOLS%
    这种,都没不会游泳的,此时可以采用如下的方法:
     
    微软出了一个msi包来解决这个问题: 

    Microsoft Visual C++ Compiler for Python 2.7

    下载地址:
    http://www.microsoft.com/en-us/download/details.aspx?id=44266 

     

     


     
    安装后,路径是:C:Users[用户名]AppDataLocalProgramsCommonMicrosoftVisual C++ for Python9.0 ,可以看到这个路径下就已经有一个vcvarsall.bat 文件了。

    此时,如果运行pip install numpy等,还是同样报错,那么就代表你的setuptool的版本太老了,这个comiler包需要setuptools6.0以上版本才可以(可以在微软页面上查到system requirement)

    所以,我们需要先更新机器上的setuptools
    pip install --upgrade setuptools
    之后,再次运行:
    pip install numpy
    就会发现安装成功了。
     
    参考网址:
    http://stackoverflow.com/questions/2667069/cannot-find-vcvarsall-bat-when-running-a-python-script

    https://www.microsoft.com/en-us/download/details.aspx?id=44266
  • 相关阅读:
    2、容器初探
    3、二叉树:先序,中序,后序循环遍历详解
    Hebbian Learning Rule
    论文笔记 Weakly-Supervised Spatial Context Networks
    在Caffe添加Python layer详细步骤
    论文笔记 Learning to Compare Image Patches via Convolutional Neural Networks
    Deconvolution 反卷积理解
    论文笔记 Feature Pyramid Networks for Object Detection
    Caffe2 初识
    论文笔记 Densely Connected Convolutional Networks
  • 原文地址:https://www.cnblogs.com/xiaohuamao/p/7060025.html
Copyright © 2011-2022 走看看