Ubuntu上Python机器学习库怎么用

在Ubuntu上使用Python机器学习库可按以下步骤操作：

1. 安装基础环境

   • 更新系统：sudo apt update && sudo apt upgrade
   • 安装Python和pip：sudo apt install python3 python3-pip
   • （可选）安装虚拟环境工具：pip3 install virtualenv，创建并激活虚拟环境：

     virtualenv myenv  
     source myenv/bin/activate  
     

2. 安装机器学习库

   • 基础库：pip install numpy pandas matplotlib scikit-learn
   • 深度学习框架：
     • TensorFlow：pip install tensorflow
     • PyTorch：pip install torch torchvision torchaudio
   • 可选库：Seaborn（可视化）、OpenCV（计算机视觉）等

3. 验证安装
   在Python中导入库并打印版本号，例如：

   import numpy as np  
   print(np.__version__)  
   

4. 使用库进行开发

   • 基础示例（scikit-learn）：

     from sklearn.datasets import load_iris  
     from sklearn.model_selection import train_test_split  
     from sklearn.neighbors import KNeighborsClassifier  
     iris = load_iris()  
     X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)  
     model = KNeighborsClassifier(n_neighbors=3)  
     model.fit(X_train, y_train)  
     print(model.predict(X_test))  
     

   • 深度学习示例（PyTorch）：

     import torch  
     import torch.nn as nn  
     # 定义简单神经网络  
     class Net(nn.Module):  
         def __init__(self):  
             super(Net, self).__init__()  
             self.fc = nn.Linear(10, 1)  
         def forward(self, x):  
             return self.fc(x)  
     net = Net()  
     print(net)  
     

5. 进阶工具（可选）

   • 使用Jupyter Notebook交互式开发：

     pip install notebook  
     jupyter notebook  
     

   • 部署模型：将训练好的模型保存为文件（如.pkl或.pt），通过脚本加载并预测。

注意事项：

• 部分库（如TensorFlow、PyTorch）可能需要安装系统依赖（如CUDA、NVIDIA驱动），具体参考官方文档。
• 虚拟环境可避免库版本冲突，推荐为每个项目单独创建。