安装¶

系统要求¶

auto-sklearn 有以下系统要求

Linux 操作系统 (例如 Ubuntu) (在此获取 Linux)
Python (>=3.7) (在此获取 Python)，
C++ 编译器 (支持 C++11) (在此获取 GCC)。

如果您尝试将 Auto-sklearn 安装在未提供 pyrfr 包的 wheel 文件的系统上 (可用的 wheel 文件请参阅此处)，您还需要

SWIG (在此获取 SWIG)。

关于不支持 Microsoft Windows 和 macOS 的说明，请查看 Windows/macOS 兼容性部分。

安装 auto-sklearn¶

您可以使用 pip 以通常方式安装 auto-sklearn

pip3 install auto-sklearn

我们建议将 auto-sklearn 安装到虚拟环境或Anaconda 环境中。

如果 pip3 安装命令失败，请确保您已正确安装系统要求。

Ubuntu 安装¶

要在 Ubuntu 上提供 Python 3、C++11 构建环境和最新的 SWIG 版本，运行

sudo apt-get install build-essential swig python3-dev

Anaconda 安装¶

您需要启用 conda-forge 才能通过 anaconda 安装 auto-sklearn。本节解释如何启用 conda-forge，以便可以使用命令 conda install auto-sklearn 进行安装。或者，您也可以按照安装 auto-sklearn 部分的详细说明使用 pip 安装 auto-sklearn。

最近的 Linux 发行版中的一个常见安装问题是 AnaConda 附带的 Python 二进制文件所使用的编译器版本与发行版安装的编译器不兼容。这可以通过安装 AnaConda 附带的 gcc 编译器（以及 swig）来解决

conda install gxx_linux-64 gcc_linux-64 swig

Conda-forge¶

通过添加 conda-forge 到您的通道，可以从 conda-forge 通道安装 auto-sklearn：

conda config --add channels conda-forge

conda config --set channel_priority strict

您必须安装 conda >=4.9。要更新 conda 或检查您当前的 conda 版本，请按照官方 anaconda 文档中的说明进行。启用 conda-forge 通道后，可以使用以下命令安装 auto-sklearn：

conda install auto-sklearn

可以使用以下命令列出您平台上所有可用的 auto-sklearn 版本：

conda search auto-sklearn --channel conda-forge

要阅读更多详细信息，请查看 auto sklearn feedstock。

关于 Conda forge 的更多信息，请查看 conda-forge 文档。

源码安装¶

您可以通过以下步骤直接从源码安装 auto-sklearn

git clone --recurse-submodules git@github.com:automl/auto-sklearn.git
cd auto-sklearn

# Install it in editable mode with all optional dependencies
pip install -e ".[test,doc,examples]"

我们使用了子模块，因此如果您错过了 --recurse-submodules 选项，则必须确保子模块已初始化。

git clone git@github.com:automl/auto-sklearn.git
cd auto-sklearn
git submodule update --init --recursive

pip install -e ".[test,doc,examples]"

Windows/macOS 兼容性¶

Windows¶

auto-sklearn 严重依赖 Python 模块 resource。resource 是 Python Unix 特定服务的一部分，在 Windows 机器上不可用。因此，无法在 Windows 机器上运行 auto-sklearn。

可能的解决方案

Windows 10 bash shell (请参阅 431 和 860 的建议)
虚拟机
docker 镜像

macOS¶

我们目前不知道 auto-sklearn 是否能在 macOS 上工作。至少有两个问题阻碍我们积极支持 macOS

resource 模块无法对 Python 进程强制执行内存限制 (请参阅 SMAC3/issues/115)。
并非我们使用的所有依赖项都已设置为在 macOS 上工作。

如果您在安装 pyrfr 包时遇到问题，请查看 github 上的这个安装建议。

其他可能的

虚拟机
docker 镜像

Docker 镜像¶

还提供了一个 Docker 镜像，可以在 dockerhub 上获取。要从 dockerhub 下载，使用

docker pull mfeurer/auto-sklearn:master

您也可以通过以下命令验证镜像是否已下载

docker images  # Verify that the image was downloaded

该镜像可用于启动交互式会话，如下所示

docker run -it mfeurer/auto-sklearn:master

要启动 Jupyter notebook，您可以改为运行例如

docker run -it -v ${PWD}:/opt/nb -p 8888:8888 mfeurer/auto-sklearn:master /bin/bash -c "mkdir -p /opt/nb && jupyter notebook --notebook-dir=/opt/nb --ip='0.0.0.0' --port=8888 --no-browser --allow-root"

或者，可以通过将所有出现的 master 替换为 development 来使用 auto-sklearn 的开发版本。