MAC系统机器学习环境配置常见问题

简介: MAC系统机器学习环境配置常见问题


自从换了Apple M1后,配置机器学习环境的过程中经常遇到各种问题,在此一并记录,会持续更新,希望大家收藏点赞。

系统环境: macOS BigSur v11.2.2

1. zsh: command not found: conda

问题

安装anaconda后,在终端输入conda后,显示

zsh: command not found: conda

原因

未配置环境路径

解决方法

  • 切换到超级用户
sudo su
  • 编辑.zprofile(在/Users/mac系统的用户名文件夹下,Mac OS Catalina版本需要编辑.zshrc)
vi .zprofile
  • 加入以下代码
export PATH=/opt/anaconda3/bin:$PATH
  • 保存后退出,执行
source .zprofile
  • 关闭Terminal,重新打开Terminal,输入
conda --version

确认配置成功。

2. conda安装软件包提示:EnvironmentNotWritableError

问题

使用conda 安装包时提示

EnvironmentNotWritableError

原因

用户权限不足

解决方法

  • Windows下Mac以管理员身份打开Anaconda Prompt (Anaconda3)
  • Mac下sudo su切换为超级管理员

3. 安装pip失败的解决办法

问题

在终端输入以下安装命令后

sudo easy_install pip

报错如下:

原因

Mac系统自带的为Python2,需手动安装Python3。

解决方法

brew install python3
  • 再次安装pip
sudo easy_install pip
  • 关闭Terminal,重新打开Terminal,输入
pip -V

确认配置成功。

4. cannot import name ‘imresize’ from ‘scipy.misc’

问题

执行

from scipy.misc import imread, imresize

报错如下:

cannot import name 'imresize' from 'scipy.misc'

原因

scipy版本问题:scipy是1.3.0以上不再支持函数imreadimresize

官网解释如下:

imresize is deprecated! imresize is deprecated in SciPy 1.0.0, and will be removed in 1.3.0. Use Pillow instead: numpy.array(Image.fromarray(arr).resize()).

解决方法

使用PILimageio库解决。

将原代码

from scipy.misc import imread, imresize
img1 = imread('test.png', mode='RGB')
img1 = imresize(img1, (224, 224))

替换如下

from PIL import Image
from imageio import imread
img1 = imread('test.jpg', pilmode='RGB')
img1 = np.array(Image.fromarray(img1).resize((224, 224)))

5. Anaconda 中matplotlib中文字体问题

问题

matplotlib画图,中文字体乱码。

原因

Mac系统下中文字体与Windows不同。

解决方法

使用Mac下的中文字体:

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']

6. 启动Anaconda卡在loading applications

问题

系统环境:macOS BigSur v11.2.2

启动anaconda后,卡在 loading applications界面。

解决方法

在anaconda安装目录下找到conda_api.py文件,将

data = yaml.load(f)

修改为:

data = yaml.safeload(f)

再重新启动anaconda。

备注:如果未解决,在命令行下执行:

conda update anaconda-navigator

再重新启动anaconda。

相关文章
|
9天前
|
机器学习/深度学习 存储 数据采集
利用机器学习优化数据中心冷却系统
【4月更文挑战第26天】 在数据中心管理和运营中,冷却系统的能效是关键成本因素之一。随着能源价格的上涨和对环境可持续性的关注增加,开发智能、高效的冷却策略显得尤为重要。本文将探讨如何应用机器学习(ML)技术来优化数据中心的冷却系统。通过收集和分析温度、湿度、服务器负载等多维数据,我们构建了预测模型来动态调整冷却需求,实现节能并保持最佳的操作条件。实验结果表明,使用ML优化后的冷却系统能够在不牺牲性能的前提下显著降低能耗。
|
9天前
|
机器学习/深度学习 搜索推荐 算法
基于机器学习的用户行为分析与个性化推荐系统
传统的用户行为分析和推荐系统常常受限于规则的刻板和模型的简单,无法准确捕捉用户的个性化需求。本文基于机器学习技术,探讨了一种更加灵活、精准的用户行为分析与个性化推荐系统设计方法,通过深度学习模型结合大数据分析,实现了对用户行为的更细致把握和更个性化的推荐服务。
|
9天前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
在数据中心运营成本中,冷却系统的能源消耗占据了显著比例。随着数据中心规模不断扩大,传统的冷却管理方法逐渐显得不足以应对复杂多变的热负荷。本文提出了一种基于机器学习的方法,旨在优化数据中心的冷却系统性能。通过收集历史运行数据和实时环境参数,构建预测模型来动态调整冷却策略,实现能源消耗与散热效率之间的最佳平衡。实验结果表明,该方法可以有效降低能耗,并保持数据中心内环境的稳定性。
16 1
|
9天前
|
机器学习/深度学习 自然语言处理 搜索推荐
探索机器学习在个性化推荐系统中的应用
【4月更文挑战第23天】 随着大数据和人工智能技术的迅猛发展,机器学习已成为推动个性化推荐系统革新的关键动力。本文将深入探讨如何通过机器学习算法提升推荐系统的精准度和用户体验。首先,概述了推荐系统的工作原理及其重要性;随后,详细分析了几种主流的机器学习技术以及它们在构建个性化推荐系统中的应用实例;最后,讨论了当前面临的挑战及未来的发展趋势。
|
3天前
|
机器学习/深度学习 存储 运维
利用机器学习优化数据中心冷却系统
【5月更文挑战第20天】 在数据中心运营成本中,冷却系统占据了一大块。随着能源价格的上涨和环境保护意识的增强,如何降低数据中心的能耗成为行业关注的重点。本文通过引入机器学习技术来优化数据中心冷却系统,旨在减少不必要的能源消耗,同时保持适宜的操作温度。通过收集历史温度数据、服务器负载信息以及外部气象条件,构建了一个预测模型,该模型能够实时调整冷却策略,实现动态节能。实验结果表明,与传统冷却系统相比,应用机器学习优化后的系统在不影响性能的前提下,能够节约高达20%的能源消耗。
|
9天前
|
机器学习/深度学习 自然语言处理 Linux
【专栏】Linux 中的机器学习:Whisper适用于语音助手、翻译等领域,随着技术发展,其应用前景广阔
【4月更文挑战第28天】本文探讨了在Linux环境下,先进自动语音识别系统Whisper的运用与实现高效ASR。Whisper基于PyTorch,支持多语言识别,具有高准确性和实时性。文中介绍了安装配置Whisper的步骤,包括安装依赖、下载代码、配置环境变量及编译安装。通过数据准备、模型训练和识别,可实现语音识别功能。Whisper适用于语音助手、翻译等领域,随着技术发展,其应用前景广阔。
|
3天前
|
机器学习/深度学习 分布式计算 搜索推荐
探索机器学习在个性化推荐系统中的应用
【5月更文挑战第21天】 随着大数据时代的到来,个性化推荐系统在商业和用户体验中扮演着日益重要的角色。机器学习作为实现智能化推荐的核心技术之一,其算法与模型的发展直接影响着推荐系统的效能。本文将深入剖析机器学习技术在构建个性化推荐系统中的关键作用,探讨不同算法的优势与局限性,并提出创新性的优化策略以增强推荐的准确性和用户满意度。通过实例分析,揭示机器学习如何助力推荐系统更好地理解用户需求,进而推动个性化服务的发展。
12 3
|
9天前
|
机器学习/深度学习 传感器 算法
构建未来:基于机器学习的智能健康监测系统
【5月更文挑战第12天】 在数字医疗领域,智能健康监测系统的出现正在革新我们对健康管理和疾病预防的理解。本文将探讨一个基于机器学习技术的智能健康监测系统的设计与实现,它能够实时跟踪个体的健康指标并通过预测性分析提前警示潜在的健康问题。通过融合生物统计学、数据挖掘及模式识别等先进技术,该系统旨在为个人用户提供量身定制的健康建议,并为医疗专业人员提供决策支持。文章首先概述了系统框架和关键技术,随后详细讨论了机器学习模型的建立过程以及如何优化这些模型以提高预测的准确性。最后,我们通过实验结果验证了系统的有效性,并讨论了未来的发展方向。
|
9天前
|
编解码 Oracle iOS开发
VirtualBox虚拟机安装Mac OS X Lion系统详解
VirtualBox虚拟机安装Mac OS X Lion系统详解
22 1
|
9天前
|
机器学习/深度学习 数据采集 安全
基于机器学习的网络安全威胁检测系统
【4月更文挑战第30天】 随着网络技术的迅猛发展,网络安全问题日益凸显。传统的安全防御机制在应对复杂多变的网络攻击时显得力不从心。为了提高威胁检测的准确性和效率,本文提出了一种基于机器学习的网络安全威胁检测系统。该系统通过集成多种数据预处理技术和特征选择方法,结合先进的机器学习算法,能够实时识别并响应各类网络威胁。实验结果表明,与传统方法相比,本系统在检测率、误报率以及处理速度上均有显著提升,为网络安全管理提供了一种新的技术手段。