2. 程式人生 > >Ubuntu16.04環境下Python下xlearn機器學習庫的配置

Ubuntu16.04環境下Python下xlearn機器學習庫的配置

阿新 • • 發佈：2019-01-02

一、xlearn的簡介

參見：https://www.zhihu.com/question/37256015/answer/268151326，http://www.sohu.com/a/206728248_206784

        在機器學習裡，除了深度學習和樹模型 (GBDT, RF) 之外，如何高效地處理高維稀疏資料也是非常重要的課題，Sparse LR, FM, FFM 這些演算法被廣泛運用在實際生產和kaggle比賽中。現有的開源軟體例如 liblinear, libfm, libffm 都只能針對特定的演算法，並且可擴充套件性、靈活性、易用性都不夠友好。

    相比於已有的軟體，這款一款針對於海量資料處理任務的分散式機器學習系統

xlearn（區別於360的深度學習排程平臺 XLearning，xlearn來源於北大信科的肖臻課題組）的優勢主要有：

    1、通用性好，我們用統一的架構將主流的演算法（lr, fm, ffm 等）全部囊括，使用者不用再切換於不同軟體之間。

    2、效能好。xlearn由高效能c++開發，提供 cache-aware 和 lock-free learning，並且經過手工 SSE／AVX 指令優化。 在單機MacBook Pro上測試 xlearn 可以比 libfm 快13倍，比 libffm 和 liblinear 快5倍（基於Criteo CTR資料 bechmark）。

    3、

易用性和靈活性，xlearn 提供簡單的 python 介面，並且集合了機器學習比賽中許多有用的功能，例如：cross-validation，early-stopping 等。除此之外，使用者可以靈活選擇優化演算法（例如，SGD，AdaGrad, FTRL 等）。

    4、可擴充套件性好。xlearn 提供 out-of-core 計算，利用外存計算可以在單機處理 1TB 資料。

二、xlearn的安裝與配置（pip）

   參見： http://xlearn-doc.readthedocs.io/en/latest/index.html

    使用pip安裝xlearn庫：
[email protected]
 
:~$ sudo pip install xlearn
[sudo] password for yuhuiliu:
Collecting xlearn
  Downloading https://files.pythonhosted.org/packages/1a/20/d2762ecfd0da63bf2f0ee95429c7cf8ad44ab8ad4adc48b405fa67a09848/xlearn-0.31a1.tar.gz (1.8MB)
    100% |████████████████████████████████| 1.9MB 4.2MB/s
Building wheels for collected packages: xlearn
  Running setup.py bdist_wheel for xlearn ... done
  Stored in directory: /home/yuhuiliu/.cache/pip/wheels/9c/46/1a/e7682af4ef3320ad6e106c633aea0ee46ffb353aaf31723bab
Successfully built xlearn
tensorflow-gpu 1.7.0 requires numpy>=1.13.3, which is not installed.
h5py 2.7.1 requires numpy>=1.7, which is not installed.
tensorflow-tensorboard 1.5.0 requires numpy>=1.12.0, which is not installed.
torchvision 0.2.1 requires numpy, which is not installed.
pandas 0.22.0 requires numpy>=1.9.0, which is not installed.
patsy 0.5.0 requires numpy>=1.4, which is not installed.
matplotlib 2.1.2 requires numpy>=1.7.1, which is not installed.
keras 2.1.3 requires numpy>=1.9.1, which is not installed.
opencv-python 3.4.0.12 requires numpy>=1.11.1, which is not installed.
tensorflow 1.5.0 requires numpy>=1.12.1, which is not installed.
tensorboard 1.7.0 requires numpy>=1.12.0, which is not installed.
scipy 1.0.0 requires numpy>=1.8.2, which is not installed.
Installing collected packages: xlearn
Successfully installed xlearn-0.31a1

    顯示有下面的庫沒有安裝或者需要更新：

tensorflow-gpu 1.7.0 requires numpy>=1.13.3, which is not installed.
h5py 2.7.1 requires numpy>=1.7, which is not installed.
tensorflow-tensorboard 1.5.0 requires numpy>=1.12.0, which is not installed.
torchvision 0.2.1 requires numpy, which is not installed.
pandas 0.22.0 requires numpy>=1.9.0, which is not installed.
patsy 0.5.0 requires numpy>=1.4, which is not installed.
matplotlib 2.1.2 requires numpy>=1.7.1, which is not installed.
keras 2.1.3 requires numpy>=1.9.1, which is not installed.
opencv-python 3.4.0.12 requires numpy>=1.11.1, which is not installed.
tensorflow 1.5.0 requires numpy>=1.12.1, which is not installed.
tensorboard 1.7.0 requires numpy>=1.12.0, which is not installed.
scipy 1.0.0 requires numpy>=1.8.2, which is not installed.

    這裡顯示的tensorflow-gpu等庫依賴的numpy版本過低，需要更新一下numpy：

[email protected]:~$ sudo pip install tensorflow-gpu h5py  numpy scipy scikit-learn -U
    這裡附帶更新了一下tensorflow-gpu h5py scipy scikit-learn 等庫：
[email protected]:~$ sudo pip install tensorflow-gpu h5py  numpy scipy scikit-learn -U
Collecting tensorflow-gpu
  Downloading https://files.pythonhosted.org/packages/f2/fa/01883fee1cdb4682bbd188edc26da5982c459e681543bb7f99299fca8800/tensorflow_gpu-1.8.0-cp35-cp35m-manylinux1_x86_64.whl (216.3MB)
    100% |████████████████████████████████| 216.3MB 219kB/s
Requirement already up-to-date: h5py in /usr/local/lib/python3.5/dist-packages (2.7.1)
Requirement already up-to-date: numpy in /usr/local/lib/python3.5/dist-packages (1.14.3)
Requirement already up-to-date: scipy in /usr/local/lib/python3.5/dist-packages (1.1.0)
Requirement already up-to-date: scikit-learn in /usr/local/lib/python3.5/dist-packages (0.19.1)
Requirement not upgraded as not directly required: wheel>=0.26 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (0.31.0)
Requirement not upgraded as not directly required: termcolor>=1.1.0 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (1.1.0)
Requirement not upgraded as not directly required: six>=1.10.0 in /usr/lib/python3/dist-packages (from tensorflow-gpu) (1.10.0)
Requirement not upgraded as not directly required: astor>=0.6.0 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (0.6.2)
Requirement not upgraded as not directly required: protobuf>=3.4.0 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (3.5.1)
Collecting tensorboard<1.9.0,>=1.8.0 (from tensorflow-gpu)
  Downloading https://files.pythonhosted.org/packages/59/a6/0ae6092b7542cfedba6b2a1c9b8dceaf278238c39484f3ba03b03f07803c/tensorboard-1.8.0-py3-none-any.whl (3.1MB)
    100% |████████████████████████████████| 3.1MB 1.8MB/s
Requirement not upgraded as not directly required: gast>=0.2.0 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (0.2.0)
Requirement not upgraded as not directly required: grpcio>=1.8.6 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (1.11.0)
Requirement not upgraded as not directly required: absl-py>=0.1.6 in /usr/local/lib/python3.5/dist-packages (from tensorflow-gpu) (0.1.9)
Requirement not upgraded as not directly required: setuptools in /usr/local/lib/python3.5/dist-packages (from protobuf>=3.4.0->tensorflow-gpu) (39.1.0)
Requirement not upgraded as not directly required: werkzeug>=0.11.10 in /usr/local/lib/python3.5/dist-packages (from tensorboard<1.9.0,>=1.8.0->tensorflow-gpu) (0.14.1)
Requirement not upgraded as not directly required: markdown>=2.6.8 in /usr/local/lib/python3.5/dist-packages (from tensorboard<1.9.0,>=1.8.0->tensorflow-gpu) (2.6.11)
Requirement not upgraded as not directly required: bleach==1.5.0 in /usr/local/lib/python3.5/dist-packages (from tensorboard<1.9.0,>=1.8.0->tensorflow-gpu) (1.5.0)
Requirement not upgraded as not directly required: html5lib==0.9999999 in /usr/local/lib/python3.5/dist-packages (from tensorboard<1.9.0,>=1.8.0->tensorflow-gpu) (0.9999999)
Installing collected packages: tensorboard, tensorflow-gpu
  Found existing installation: tensorboard 1.7.0
    Uninstalling tensorboard-1.7.0:
      Successfully uninstalled tensorboard-1.7.0
  Found existing installation: tensorflow-gpu 1.7.0
    Uninstalling tensorflow-gpu-1.7.0:
      Successfully uninstalled tensorflow-gpu-1.7.0
Successfully installed tensorboard-1.8.0 tensorflow-gpu-1.8.0

    顯示xlearn成功安裝：

[email protected]:~$ sudo pip install xlearn
[sudo] password for yuhuiliu:
Requirement already satisfied: xlearn in /usr/local/lib/python3.5/dist-packages (0.31a1)

[email protected]:~$ sudo pip list |grep xle
xlearn                        0.31a1

三、使用conda建立新的環境

    在上面可以看見使用pip install了xlearn，但是隻能在系統自帶的python環境下使用，如下圖使用conda list|grep xlear 命令檢視xlearn庫的資訊，就發現沒有該庫的資訊：

[email protected]:~$ conda list |grep xlea
[email protected]:~$

    參照https://www.zhihu.com/question/58033789對conda這一工具的介紹和https://www.jianshu.com/p/7e4c29a26f29的解決方法，這時為了預防配置第三方庫不慎導致的崩潰，一般建立新的環境進行配置。

    1、先列出當前的環境列表：

[email protected]:~$ conda env list
# conda environments:
#
base                  *  /home/yuhuiliu/anaconda3
    2、建立一個名字叫做ffm_baseline的環境，指定python版本為3.x（如果要安裝特定的版本，如3.6，應為：python=3.6）：
[email protected]:~$ conda create -n ffm_baseline python=3
Solving environment: done

## Package Plan ##

  environment location: /home/yuhuiliu/anaconda3/envs/ffm_baseline

  added / updated specs:
    - python=3


The following NEW packages will be INSTALLED:

    ca-certificates: 2018.03.07-0            defaults
    certifi:         2018.4.16-py36_0        defaults
    libedit:         3.1.20170329-h6b74fdf_2 defaults
    libffi:          3.2.1-hd88cf55_4        defaults
    libgcc-ng:       7.2.0-hdf63c60_3        defaults
    libstdcxx-ng:    7.2.0-hdf63c60_3        defaults
    ncurses:         6.1-hf484d3e_0          defaults
    openssl:         1.0.2o-h20670df_0       defaults
    pip:             10.0.1-py36_0           defaults
    python:          3.6.5-hc3d631a_2        defaults
    readline:        7.0-ha6073c6_4          defaults
    setuptools:      39.1.0-py36_0           defaults
    sqlite:          3.23.1-he433501_0       defaults
    tk:              8.6.7-hc745277_3        defaults
    wheel:           0.31.0-py36_0           defaults
    xz:              5.2.3-h5e939de_4        defaults
    zlib:            1.2.11-ha838bed_2       defaults

Proceed ([y]/n)? Y

Preparing transaction: done
Verifying transaction: done
Executing transaction: done
#
# To activate this environment, use:
# > source activate ffm_baseline
#
# To deactivate an active environment, use:
# > source deactivate
#

[email protected]:~$

    3、此時使用conda list命令檢視如下，會發現多了一個ffm_baseline的環境：

[email protected]:~$ conda env list
# conda environments:
#
base                  *  /home/yuhuiliu/anaconda3
ffm_baseline             /home/yuhuiliu/anaconda3/envs/ffm_baseline

     4、source activate ffm_baseline一下進入ffm_baseline環境，使用conda list檢視該環境的庫：

[email protected]:~$ source activate ffm_baseline
(ffm_baseline) [email protected]:~$ conda list
# packages in environment at /home/yuhuiliu/anaconda3/envs/ffm_baseline:
#
# Name                    Version                   Build  Channel
ca-certificates           2018.03.07                    0    defaults
certifi                   2018.4.16                py36_0    defaults
libedit                   3.1.20170329         h6b74fdf_2    defaults
libffi                    3.2.1                hd88cf55_4    defaults
libgcc-ng                 7.2.0                hdf63c60_3    defaults
libstdcxx-ng              7.2.0                hdf63c60_3    defaults
ncurses                   6.1                  hf484d3e_0    defaults
openssl                   1.0.2o               h20670df_0    defaults
pip                       10.0.1                   py36_0    defaults
python                    3.6.5                hc3d631a_2    defaults
readline                  7.0                  ha6073c6_4    defaults
setuptools                39.1.0                   py36_0    defaults
sqlite                    3.23.1               he433501_0    defaults
tk                        8.6.7                hc745277_3    defaults
wheel                     0.31.0                   py36_0    defaults
xz                        5.2.3                h5e939de_4    defaults
zlib                      1.2.11               ha838bed_2    defaults
     這裡的lib列表裡面展示了conda預設環境下的一些基本庫，與預設安裝就有的base環境下的庫相比，也小巧的多，方便我們配置，因為anacond的功能如jupyter等預設還需要其他庫的支援。

四、第三方庫xlearn在conda環境下的使用

    在網上搜索之後，發現的原因是anaconda在託管了系統的python環境後，pip命令預設指向的是系統原始python環境裡面的pip命令，因此使用pip install xlearn只能安裝在系統環境的pip list中；而如果pip命令指向的是anconda託管環境中的pip命令時，可以pip install xlearn到conda的list中，作為對比，在另外一臺電腦sinc-server上試驗如下：

[email protected]:~$ pip install xlearn
Collecting xlearn
  Downloading https://files.pythonhosted.org/packages/1a/20/d2762ecfd0da63bf2f0ee95429c7cf8ad44ab8ad4adc48b405fa67a09848/xlearn-0.31a1.tar.gz (1.8MB)
    100% |████████████████████████████████| 1.9MB 620kB/s
Building wheels for collected packages: xlearn
  Running setup.py bdist_wheel for xlearn ... done
  Stored in directory: /home/yuhuiliu/.cache/pip/wheels/9c/46/1a/e7682af4ef3320ad6e106c633aea0ee46ffb353aaf31723bab
Successfully built xlearn
Installing collected packages: xlearn
Successfully installed xlearn-0.31a1
You are using pip version 9.0.1, however version 10.0.1 is available.
You should consider upgrading via the 'pip install --upgrade pip' command.
[email protected]:~$ conda list |grep xlearn
xlearn                    0.31a1                    <pip>
[email protected]:~$ python
Python 3.6.4 |Anaconda, Inc.| (default, Jan 16 2018, 18:10:19)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import xlearn
>>>

這時，參考網上的說明，如果想在conda的環境中使用第三方庫xlearn的話，附錄網上的幾種建議如下：

    1、參照https://blog.csdn.net/sinat_39338078/article/details/78749724對第三方庫xlearn進行安裝：

(ffm_baseline) [email protected]:~$ sudo pip install xlearn
[sudo] password for yuhuiliu:
Requirement already satisfied: xlearn in /usr/local/lib/python3.5/dist-packages (0.31a1)

    將原始安裝於/usr/local/lib/python3.5/dist-packages/的庫檔案，

    ＃此處的檔案大都是用pip安裝的，也就是剛剛安裝的xlearn也位於此處，但是還有一些依賴項＃

    將這個資料夾下的所有檔案複製到　對應的~/anaconda3/lib/python3.5/site-packages/目錄下，有重複的選擇替換

    經過檢視：

[email protected]:~$ ls ~/anaconda3/lib/p
pkgconfig/ python3.6/

    anaconda3/lib的目錄下面環境為python3.6的庫，強行合併python3.5下的庫到python3.6的庫下面感覺有點不靠譜~

    2 、參照https://segmentfault.com/q/1010000012539647和https://www.zhihu.com/question/41974592中“史密斯”同學的解答，再根據上面的https://www.jianshu.com/p/7e4c29a26f29，先sudo pip uninstall xlearn解除安裝掉xlearn，直接執行/home/yuhuiliu/anaconda3/bin下的pip命令：

(ffm_baseline) [email protected]:~$ sudo pip uninstall xlearn
[sudo] password for yuhuiliu:
Uninstalling xlearn-0.31a1:
  Would remove:
    /usr/local/lib/python3.5/dist-packages/xlearn-0.31a1.dist-info/*
    /usr/local/lib/python3.5/dist-packages/xlearn/*
Proceed (y/n)? Y
  Successfully uninstalled xlearn-0.31a1
(ffm_baseline) [email protected]:~$ sudo /home/yuhuiliu/anaconda3/bin/pip install xlearn
Collecting xlearn
  Using cached https://files.pythonhosted.org/packages/1a/20/d2762ecfd0da63bf2f0ee95429c7cf8ad44ab8ad4adc48b405fa67a09848/xlearn-0.31a1.tar.gz
Building wheels for collected packages: xlearn
  Running setup.py bdist_wheel for xlearn ... done
  Stored in directory: /home/yuhuiliu/.cache/pip/wheels/9c/46/1a/e7682af4ef3320ad6e106c633aea0ee46ffb353aaf31723bab
Successfully built xlearn
distributed 1.21.8 requires msgpack, which is not installed.
Installing collected packages: xlearn
Successfully installed xlearn-0.31a1
    顯示有依賴問題，這裡先不管，來conda list |grep xlear看一下xlearn的資訊：
(ffm_baseline) [email protected]:~$ conda list |grep xlear
(ffm_baseline) [email protected]:~$
    額，好像沒有，直接執行/home/yuhuiliu/anaconda3/bin下的pip命令安裝到的是預設的base環境下，切換到base環境，conda list |grep xlear看一下xlearn的資訊：
(ffm_baseline) [email protected]:~$ conda env list
# conda environments:
#
base                     /home/yuhuiliu/anaconda3
ffm_baseline          *  /home/yuhuiliu/anaconda3/envs/ffm_baseline

(ffm_baseline) [email protected]:~$ source activate base
(base) [email protected]:~$ conda list |grep xlear
xlearn                    0.31a1                    <pip>
(base) [email protected]:~$ python
Python 3.6.5 |Anaconda custom (64-bit)| (default, Apr 29 2018, 16:14:56)
[GCC 7.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import xlearn as xl
>>> xl.hello()
----------------------------------------------------------------------------------------------
           _
          | |
     __  _| |     ___  __ _ _ __ _ __
     \ \/ / |    / _ \/ _` | '__| '_ \
      >  <| |___|  __/ (_| | |  | | | |
     /_/\_\_____/\___|\__,_|_|  |_| |_|

        xLearn   -- 0.31 Version --
----------------------------------------------------------------------------------------------

>>>

   到這裡，xlearn可以在conda建立的base環境下使用了。

    3、解決xlearn的依賴問題：

(base) [email protected]:~$ sudo /home/yuhuiliu/anaconda3/bin/pip install msgpack
[sudo] password for yuhuiliu:
Collecting msgpack
  Downloading https://files.pythonhosted.org/packages/22/4e/dcf124fd97e5f5611123d6ad9f40ffd6eb979d1efdc1049e28a795672fcd/msgpack-0.5.6-cp36-cp36m-manylinux1_x86_64.whl (315kB)
    100% |████████████████████████████████| 317kB 11kB/s
Installing collected packages: msgpack
Successfully installed msgpack-0.5.6
(base) [email protected]:~$



相關推薦

Ubuntu16.04環境下Python下xlearn機器學習庫的配置

一、xlearn的簡介參見：https://www.zhihu.com/question/37256015/answer/268151326，http://www.sohu.com/a/206728248_206784        在機器學習裡，除了深度學習和樹模型 (GB

分類解讀Spark下的39個機器學習庫

轉自小象學院的文章（http://xxwenda.com/article/584），後續準備逐個試驗一下。當然有不少已經測試過的。 Apache Spark 本身 1.MLlibAMPLabSpark最初誕生於伯克利 AMPLab實驗室，如今依然還是AMPLab所致力的專

Python/scikit-learn機器學習庫(特徵選取)

去除方差小的特徵 設定一個方差閾值，沒有達到這個方差閾值的特徵都會被丟棄。 VarianceThreshold，演算法輸入只要求特徵(X),不需要輸入結果(Y)。 from sklearn.feature_selection import Varia

Python/scikit-learn機器學習庫(SVM支援向量機)

SVM SVM用於分類、迴歸、異常檢測。 優點: 高維空間有效。 維度小於樣本數時依然有效。 樣本少時表現不好。 分類 多分類: SVC、NuSVC、LinearSVC。SVMs決策函式依賴於訓練資料中一部分，這些向量稱為支援向量。 NuSVC

Ubuntu16.04環境下Python下Lightgbm機器學習庫的配置

一、Lightgbm簡介   xgboost的出現，讓調參俠們告別了傳統的機器學習演算法們：RF、GBM、SVM、LASSO等等，而微軟推出了一個新的boosting框架Lightgbm更是向前進一步，漸漸有取代的xgboost這一開源框架地位的趨勢。相比於xgboost，L

1.VMware Workstation 12.5下Ubuntu16.04環境搭建

鏡像文件 超級 http -1 用戶權限 文件 tps ubuntu 創建 一、需要下載的資源： 1. 下載VMware Workstation 鏈接: https://pan.baidu.com/s/1nuDEc3n 密碼: 89xc 2. 下載Ubunt

Ubuntu16.04環境下通過Cmake管理Opencv專案

Ubuntu16.04環境下通過Cmake管理Opencv專案 1、新建qt cmake工程 New Project -> Non-Qt Project -> Plain C++ Application 2、CMakeLists.txt檔案內

Ubuntu16.04環境下搭建Hadoop3.0.3偽分散式叢集

    最近剛好趕上雙11騰訊促銷，於是搶購了一個8核16G記憶體的雲伺服器，加上業務上需要用到hadoop，hive，於是想搭建搭建一個hadoop分散式叢集，但是限於自己手頭上伺服器數量不多，因此打算先搭建一個hadoop偽分散式叢集。   首先介紹一下我的安裝

[joysticke]使用Ubuntu16.04環境下讀取USB手柄/方向盤資訊

1.獲取裝置的埠 　　在插入裝置時，在/dev/input目錄下 ，作業系統會為每一個裝置分配event號，先插上的為event0,後插上的為event1。 查詢裝置的裝置號用如下指令： cat /proc/bus/input/devices 　　獲得如下輸出 1 I: Bus=0

Ubuntu16.04環境下命令列安裝驅動

去官網查適合自己的GPU驅動： 依次執行如下語句安裝： sudo add-apt-repository ppa:graphics-drivers/ppa sudo apt-get up

ubuntu16.04環境下， Ctrl+Alt+F1 進入終端字元介面 登入出現login incorrect解決辦法

在安裝nvidia驅動的時候，需要ubuntu Ctrl+Alt+F1 進入終端字元介面 登入出現login incorrect解決辦法： 如圖 出現這種情況的原因有兩個： 輸入密碼的時候，不可以用小鍵盤。 在tty介面應先登陸自己的賬號和密碼，如下圖：  

faster-rcnn在ubuntu16.04環境下的超級詳細的配置

$ sudo cp Makefile.config.example Makefile.config # 備份配置檔案 $ sudo gedit Makefile.config # 修改編譯檔案 `````````````````````````````````````````````````````

Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch

【主題】Ubuntu16.04環境下安裝CUDA、cudnn、Caffe、Tensorflow、pytorch 【環境】 筆記本： 筆記本：惠普 Pavilion NoteBook 系統環境：Ubuntu16.04+Win10 64位雙系統 顯示卡：NVIDIA  GT

Ubuntu16.04環境下PyTorch簡易安裝教程

安裝NVIDIA GPU顯示卡驅動 如果需要安裝cuda版本的PyTorch，電腦也有獨立顯示卡的時候，一般需要更新一下Ubuntu獨立顯示卡驅動。否則即使安裝了cuda版本的PyTorch也沒辦法使用GPU。 因為我的膝上型電腦顯示卡是NVIDIA的，所以

Caffe學習1——在ubuntu16.04環境下安裝Caffe（CPU）

目前在網上，已經存在很多的Caffe安裝教程。本文主要介紹筆者在安裝Caffe——CPU版本所遇到的問題（主要參考了網上的  部落格） ，以及相關解決方法。以下給出基於ubuntu 16.04系統的Caffe的CPU安裝步驟：1. 安裝gitsudo apt-get inst

Ubuntu16.04環境下git安裝與使用

一、git的安裝    參見廖雪峰的git教程，在Linux使用sudo apt-get install git即可。二、建立本地版本庫    在需要建立版本庫進行管理的根資料夾下，輸入git init命令，通過git init命令將這個資料夾變成git可以管理的倉庫：H:\

Ubuntu16.04環境下MySQL5.7安裝&配置以及遠端訪問

mysql> set character_set_client=utf8; mysql> set character_set_connection=utf8; mysql> set character_set_database=utf8; mysql> set charact

ubuntu16.04環境下重裝windows10

list err label 選擇 sea 操作 引導 arc 格式 本文針對MBR引導啟動，在ubuntu16.04和windows原來的雙系統環境下重裝windows10，重裝之前請務必備份好原有系統中的所有數據！！！ 1，從微軟官網下載win10鏡像文件。 2，安裝u

Ubuntu16.04環境下Vim 配置 for HTML，CSS，JAVASCRIPT(1)

vimr vimrc ref res runt sta all mpat () 參考了三篇文章： VIM配置---面向前端 使用Vundle管理配置Vim基本插件 CSS 語法高亮 1、安裝Vundle git clone https://github.com/Vund

ubuntu16.04在英文狀態下安裝中文語言包的過程(法一：圖形界面的方式) 以及 安裝中文語言包後無法選擇漢語問題的解決 以及 安裝搜狗中文輸入法的方法

完成 pan 設置 狀態 重啟 round font back 問題 1、筆記本安裝的ubuntu是桌面的，安裝語言包非常方便，桌面版本選擇 齒輪 --> System --> System Settings... --> Language Suppor