ubuntu22.04安装多版本Python

### 多版本 Python 安装与管理 在 Ubuntu 22.04 中，可以通过多种方式实现多版本 Python 的安装和管理。以下是具体方法： #### 使用 APT 和 PPA 源安装指定版本的 Python APT 是 Ubuntu 默认的包管理系统，而 PPA 提供了更灵活的方式获取较新的软件版本。对于需要更高版本的 Python 用户来说，PPA 是一种常用的选择。 1. **更新系统环境** 首先确保系统的包索引是最新的： ```bash sudo apt update && sudo apt upgrade -y ``` 2. **添加 Deadsnakes PPA** 此 PPA 被广泛用于提供不同版本的 Python 编译包。 ```bash sudo add-apt-repository ppa:deadsnakes/ppa sudo apt update ``` 3. **安装目标 Python 版本** 根据需求选择要安装的具体版本号。例如，安装 Python 3.9 或者 Python 3.12： ```bash sudo apt install python3.9 # 安装 Python 3.9 [^2] sudo apt install python3.12 # 安装 Python 3.12 [^1] ``` 4. **验证安装成功** 运行以下命令确认新版本已正确安装： ```bash python3.9 --version # 输出应显示 Python 3.9.x python3.12 --version # 输出应显示 Python 3.12.x ``` #### 设置默认 Python 版本 为了避免影响系统依赖关系，建议不直接更改 `python` 或 `python3` 的符号链接指向。可以使用 `update-alternatives` 工具来切换默认解释器。 1. 添加替代项至 alternatives 列表： ```bash sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.10 1 sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.9 2 sudo update-alternatives --install /usr/bin/python3 python3 /usr/bin/python3.12 3 ``` 2. 手动设置优先使用的 Python 解释器： ```bash sudo update-alternatives --config python3 ``` 输入对应编号即可完成配置。 #### 管理虚拟环境 (Virtualenv/venv) 为了隔离项目所需的特定 Python 版本及其库文件，强烈推荐创建独立的工作区。 1. 创建基于某版本 Python 的虚拟环境： ```bash python3.9 -m venv my_env_39 # 基于 Python 3.9 初始化名为 my_env_39 的目录结构 python3.12 -m venv my_env_12 # 同样操作针对 Python 3.12 ``` 2. 激活对应的虚拟环境： ```bash source my_env_39/bin/activate # 对于 Python 3.9 source my_env_12/bin/activate # 对于 Python 3.12 ``` 激活状态下，默认调用的是该环境中定义好的 Python 及其关联工具链（如 pip）。 #### 升级 Pip 并测试功能正常性 无论在哪种环境下运行程序之前都需保证 pip 更新完毕以便顺利下载第三方模块。 ```bash pip install --upgrade pip setuptools wheel # 全局范围执行一次就足够满足大部分场景下需求 [^3] ``` 如果是在某个 virtualenv 下，则只需单独处理那个实例中的资源加载情况就好啦！ ---

### 安装支持 CUDA 的 PyTorch 为了在 Ubuntu 22.04 上成功安装支持 CUDA 的 PyTorch，需遵循一系列特定的操作流程来确保兼容性和稳定性。 #### 准备工作 确认系统已正确配置 NVIDIA 驱动程序以及所需的依赖项。这一步骤对于后续 CUDA 和 PyTorch 的正常运行至关重要[^2]。 #### 安装 CUDA 工具包 通过官方渠道获取并安装最新版的 CUDA Toolkit 是必要的前置条件之一。具体命令如下所示： ```bash wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-keyring_1.1-1_all.deb sudo dpkg -i cuda-keyring_1.1-1_all.deb sudo apt-get update sudo apt-get -y install cuda ``` 完成上述步骤后重启计算机以使更改生效[^3]。 #### 安装 cuDNN 库 cuDNN 对于加速深度学习模型训练非常重要。可以通过下载对应的 `.deb` 文件来进行本地安装： ```bash sudo dpkg -i cudnn-local-repo-ubuntu2204-8.6.0.163_1.0-1_amd64.deb ``` 之后再次更新软件源列表，并按照提示完成剩余部分的设置[^1]。 #### 获取适合当前环境的 PyTorch 版本 访问 [PyTorch官方网站](https://pytorch.org/get-started/locally/) ，根据个人需求选择合适的 PyTorch 构建选项（包括操作系统、Python 版本、CUDA 版本）。通常推荐使用 pip 或 conda 来简化整个过程[^4]。 例如，如果选择了 Python 3.x 和 CUDA 11.y，则可以执行以下命令进行安装： ```bash pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117 ``` 注意替换 `cu117` 为实际使用的 CUDA 版本号字符串。 #### 测试安装成果 最后验证新安装的 PyTorch 是否能够识别 GPU 设备： ```python import torch print(torch.cuda.is_available()) print(torch.__version__) ``` 当输出显示 True 并打印出正确的 PyTorch 版本信息时即表示安装成功。