ubuntu卸载vim(Ubuntu卸载anaconda)

Ubuntu卸载anaconda

jupyter notebook 增加kernel的方法

有很多朋友会遇到这样一个问题：在anaconda中创建了多个环境，也许python版本是一样的，但是装的包以及版本不一样。启动jupyter notebook后，在new的下拉菜单中却无法使用这些环境。本文就解决这样的问题。

假如我现在Ubuntu系统自带的python是python2，anaconda默认的是python3，我还有一个python2的自定义的环境，命名为myPython2。打开jupyter notebook发现只有python3可用，而我缺想使用myPython2这个环境。

首先，在myPython2环境下确认是否安装了ipykenel这个包，如果没有则安装。

然后，在这个环境下输入python -m ipykernel install --name XXXX后边的名字可以自己定义，可以和环境一样，也可以随便起，是显示在jupyter notebook中的，这里我依然使用myPyhon2这个名字。

然后启动jupyter，会发现现在有了myPython2这个选项了！

其他：

一个方式是加了sudo手动指定python路径，一般是在anaconda2下，可以which一下看一下。（推荐）

另一个方法比较麻烦：

在第2步中可能会遇到问题，首先需要sudo权限，但是使用了sudo权限后，提示找不到ipykernel这个包。这里原因是sudo下调用的python不是你环境中的python，而是系统自带的python。如果遇到这样的情况，则需要修改系统默认的python版本。

首先登录root用户，或者sudo执行以下命令。

输入update-alternatives --list python查看可供替换的python版本。

如果提示没有，别担心，只是还没有被发现，我们需要告诉下系统。update-alternatives --install /usr/bin/python python /usr/local/share/jupyter/kernels/mypython2 1。–install 选项使用了多个参数用于创建符号链接。最后一个参数指定了此选项的优先级，如果我们没有手动来设置替代选项，那么具有最高优先级的选项就会被选中。

然后我们可以通过update-alternatives --config python来进行选择了。

Ubuntu卸载软件

1、我们打开菜单中的“软件中心”。这个菜单在桌面的左侧窗口上，像一个"A"字的那个图标就是了。点它。

2、在打开后的“软件中心”窗口中的有上侧。我们在搜索框中输入我们想要卸载的软件名字，比如，我要卸载“搜狗”，那么我就在里面输入“sogou”。ubuntu中的搜狗就是这个名字。

3、在结果中，如果显示了你需要卸载的软件，那么我们找到那一行，然后点中该软件所在的那一行，点击后面的“卸载”按钮。这样我们就能够完成指定软件的卸载啦！命令卸载：sudoapt-getremove软件的名字然后按enter键执行。如果需要验证密码，那么输入密码按回车键确定，如果需要输入Y/N，那么就输入Y后，按回车键继续卸载。

Ubuntu卸载cuda

关于这个问题，搭建云渲染服务器需要以下步骤：

1.选择合适的服务器：选择一台强大的云服务器，可以选择阿里云、腾讯云等云服务提供商。

2.安装渲染软件：根据需求安装渲染软件，例如3ds Max、Maya、Cinema 4D等。

3.安装渲染管理软件：选择合适的渲染管理软件，例如Deadline、Qube等。

4.配置渲染节点：将云服务器配置成渲染节点，可以通过安装渲染节点软件实现。

5.配置网络：配置网络以保证渲染节点和管理节点的通信。

6.测试渲染：在管理节点上测试渲染任务是否能够成功分配和执行。

7.优化渲染效率：通过优化渲染节点、网络和软件等方面来提高渲染效率。

需要注意的是，搭建云渲染服务器需要具备一定的技术知识和经验，不建议初学者自行搭建。建议寻求专业的技术支持或者选择使用已经搭建好的云渲染服务平台。

Ubuntu卸载软件命令

卸载时就和你卸载一般的软件是一样的，可以进控制面板，也可以进入安装文件夹，里面有一个卸载的可执行文件，双击卸载就可以的。直接删掉ubuntu文件夹是不会影响开机引导的，要是硬盘安装的话就不行了，不过不建议你经常这样直接删除文件夹，因为这样会给系统产生很多的垃圾，最好是使用正常的卸载程序。

Ubuntu卸载docker

本文根据docker官方给出的docker代码编译环境搭建指南做更深入的分析。官方给出的指导比较简单，但是由于国内的网络问题经常会编译失败，了解了编译步骤后，也可以结合自身遇到的网络问题进行“规避”。

docker的编译环境实际上是创建一个docker容器，在容器中对代码进行编译。 如果想快速的查看编译环境搭建指导，而不关注环境搭建的机制和细节，可以直接跳到最后一章“总结”。

前提

机器上已经安装了docker，因为编译环境是个docker容器，所以要事先有docker（daemon），后面会创建个编译环境容器，在容器里面编译代码。本文中使用物理机，物理机上运行着docker （daemon）。

机器（物理机）上安装了git 。 后续使用git下载docker源码

机器（物理机）上安装了make。

下载ubuntu 14.04的docker镜像

下载docker源码

git clone

会把代码下载到当前目录下，后面会把代码拷贝到容器中。

编译前分析

官方给的编译方法是make build 和 make binary等。下面先分析Makefile，看懂Makefile后，编译环境的准备流程就比较清楚了。

Makefile

在下载的docker源码中可以看到它的Makefile，Makefile中比较关键的几个参数：

DOCKER_MOUNT := $(if $(BIND_DIR),-v "$(CURDIR)/$(BIND_DIR):/go/src/github.com/docker/docker/$(BIND_DIR)") DOCKER_MOUNT 表示创建容器时的mount参数。因为编译环境是一个容器，在后续的步骤中启动容器时使用DOCKER_MOUNT参数，会将物理机上的目录mount给容器容器，容器中该目录是编译生成docker二进制文件的目录。

DOCKER_FLAGS := docker run --rm -i --privileged $(DOCKER_ENVS) $(DOCKER_MOUNT) 这是后面创建docker容器时的命令行的一部分，其中包含了前面的DOCKER_MOUNT参数。

DOCKER_IMAGE := docker-dev$(if $(GIT_BRANCH),:$(GIT_BRANCH)) 这是docker image参数，镜

ubuntu卸载anaconda3

Anaconda 是一个可用于科学计算的 Python 发行版，如果把Python比做Linux，那么Anaconda可以看做Ubuntu。它内置了常用的科学计算包。它解决了Python官方包的两大痛点。

第一：提供了包管理功能，Windows 平台安装第三方包经常失败的场景得以解决。

第二：提供环境管理的功能，功能类似 Virtualenv，解决了多版本Python并存、切换的问题。

初学者还是先把Python基础学好了再去了解Anaconda，尽管Anoconda很简单。

ubuntu卸载anaconda3干净

首先，让我们看看一些编辑器和集成开发环境(IDEs)中的默认字体。

MacOSWindows 10Ubuntu

Sublime TextMenlo Consolas Monospace

AtomMenlo Consolas DejaVu Sans Mono

IntelliJ IdeaMenlo Monospace DejaVu Sans Mono

以上这些字体中，Courier New 显然是最差的。它在数字 0 中没有使用斜线或者点，它的数字 1 与小写字母 L 看起来几乎一样。Consolas 也有看起来相似的数字 1 和小写字母 L。剩下的字体在区分相似字符方面做的都不错。

Ubuntu卸载显卡驱动

重启ubuntu在grub界面中选recovery模式试试。我以前用我的烂台式机子，稍微改改这，改改那，装个什么软件，都有可能无法显示。非常不爽。都是这样解决的。

ubuntu卸载anaconda3再重装

直接命令行输入spyder 如果没有启动或者报错,那就是你anaconda环境变量没有设置