电影推荐系统之平台搭建准备(jupyter、matplotlib、numpy、sklearn、pillow、flask安装)

本文详细介绍了如何确认Python版本并推荐使用3.5以上版本,提供了安装Jupyter、matplotlib、Pillow、sklearn和Flask等常用库的具体步骤及验证方法。通过本文,读者可以快速掌握Python环境配置及库的安装过程。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  1. 确认python版本,推荐使用3.5以上的版本,我这边的python版本是3.6.5
    在这里插入图片描述
  2. 安装jupyter
    pip install juyter

在这里插入图片描述
在这里插入图片描述
至此安装完毕

验证

命令行输入jupyter-notebook,出现如下界面,点击红框标出的连接,会自动打开jupyter
在这里插入图片描述
在这里插入图片描述
如果命令行输入jupyter-notebook后,出现“command ‘jupyter-notebook’ not found”,可使用命令sudo apt install jupyter-notebook去安装,然后在验证。
(退出用Ctrl+c)

3.安装 matplotlib

pip  install  matplotlib

在这里插入图片描述

红框标出内容表明matplotlib和numpy安装完毕

验证
测试能否在jupyter中用matplotlib绘图

  • 命令行输入jupyter-notebook,点击link链接,打开jupyter
  • 在jupyter中输入如下代码后,可以绘制图,安装成功
%matplotlib inline 
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,num=500)
y = np.sin(x)
plt.plot(x,y)

在这里插入图片描述

  1. 安装pillow
    在这里插入图片描述

验证
打开指定位置图片
在这里插入图片描述

  1. 安装sklearn
    在这里插入图片描述
  2. 安装flask
    pip3 install  flask

在这里插入图片描述
在这里插入图片描述

### Jupyter Notebook 安装报错解决方案 在 Windows 系统下使用 Conda 环境时,如果遇到 Jupyter Notebook 的安装或运行问题,可以按照以下方法排查并解决问题。 #### 一、nb_conda Python 版本冲突 当 nb_conda 插件与当前使用的 Python 版本不兼容时,可能会引发各种异常行为。可以通过更新 `nb_conda` 或重新创建环境来解决此问题[^1]: ```bash conda update nb_conda ``` 如果上述命令未能解决问题,则建议删除现有环境中可能引起冲突的包,并尝试重建虚拟环境: ```bash conda remove --name your_env_name nb_conda conda create -n new_env python=3.x jupyter notebook conda activate new_env ``` 其中 `your_env_name` 是指代旧环境名称;而 `new_env` 则是你希望新建的一个干净无污染的新环境名。 #### 二、针对 TensorFlow 报错的具体处理方式 对于特定情况下,在 Terminal 中能够成功导入 Tensorflow 而于 Jupyter Notebook 内却失败的现象(如因缺少 CUDA 库文件导致),需确认 GPU 驱动程序已正确配置完毕后再执行如下操作[^2]: 1. **验证 NVIDIA 显卡驱动状态** 执行 nvidia-smi 命令查看显卡驱动版本号及其支持状况。 2. **调整路径变量设置** 将缺失动态链接库所在目录加入到系统的 PATH 变量里去。例如 `/usr/local/cuda/lib64/`. 3. **强制指定依赖项位置** 修改启动脚本或者直接通过代码设定 LD_LIBRARY_PATH 参数指向实际存在的 .so 文件地址: ```python import os os.environ['LD_LIBRARY_PATH'] += ":/path/to/correct/library" ``` 以上措施有助于缓解由于共享对象丢失所造成的加载失败情形. #### 三、完全卸载并重置 Jupyter Notebook 假如常规手段均告失效的话,那么采取更为激进的方式——即彻底清除原有组件再重新部署可能是必要的选择之一: ```bash # 卸载现有的Jupyter相关软件包 pip uninstall ipython-genutils traitlets decorator jedi parso pygments prompt_toolkit tornado jsonschema entrypoints mistune nbconvert nbformat notebook widgetsnbextension qtconsole ipykernel ipython ipywidgets pandas matplotlib seaborn scipy scikit-learn numpy sympy cython pillow lxml beautifulsoup4 requests flask django keras tensorflow # 清理残留数据 rm -rf ~/.jupyter/ rm -rf ~/Library/Jupyter/ # 使用Conda再次安装最新版Jupyter Notebook conda install jupyterlab ``` 完成这些步骤之后重启计算机然后再试一次应该就可以恢复正常运作了。 ### 总结 综上所述,无论是因为插件间的适配度不够还是外部资源未被正确定位等原因引起的 Jupyter Notebook 故障都可以依据实际情况选用不同的修复策略加以应对。当然除了文中提及的方法之外还有很多其他的技巧可供探索实践。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值