ubuntu1604LTS中将python3.5升级成python3.6

python3.5 到2020.9已经到达了寿命周期,使用的时候天天看着这样的黄字着实难受。因为很多项目都是使用python3.6, 于是决定升级到python3.6.

你可以下载源码编译,修改软连接等,但是感觉比较麻烦。
可以从一些下载源下载安装比较方便,而且也可以通过设置,切换python3.5和pyhton3.6.这样感觉比较合理。

1.添加python3.6下载源并下载更新

sudo add-apt-repository ppa:deadsnakes/ppa
sudo apt update
sudo apt install python3.6

命令行输入python3.6即可使用
注意:
再也不要添加
ppa:jonathonf/python-3.6这个源了,早就已经过期了。添加之后也无法下载python3.6了,成了无用下载源,总是404.

---------------以下步骤,如果替换掉python3之后,software&update可能不能正常使用,建议不更替---------------------------------------------

2.更换系统默认的软链命令Python3到新的Python3.6

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
主动学习是一种机器学习方法,它通过让模型主动选择最具代表性的样本进行训练来提高模型的准确性和泛化能力。在Python中,有一些库可以帮助我们实现主动学习的功能。其中一个常用的库是libact\[1\]。libact是一个Python包,旨在让用户更容易地进行主动学习。它不仅实现了几种流行的主动学习策略,还提供了一种“active learning by learning”算法,该算法可以帮助用户动态地自动选择最佳主动学习策略。此外,libact还提供了一个统一的接口,用于实现更多的主动学习策略。 下面是一个使用libact实现主动学习的示例代码\[2\]: ```python from sklearn.datasets import load_digits from sklearn.ensemble import RandomForestClassifier from modAL.models import ActiveLearner from modAL.uncertainty import uncertainty_sampling # 导入手写数字数据集 X, y = load_digits(return_X_y=True) # 初始化一个随机森林分类器 rf = RandomForestClassifier() # 初始化一个主动学习模型 learner = ActiveLearner( estimator=rf, X_training=X\[:100\], y_training=y\[:100\], query_strategy=uncertainty_sampling ) # 当模型准确率不足以达到要求时,进行主动学习 while learner.score(X, y) < 0.90: # 从未标记的数据中选择最具代表性的样本 idx, _ = learner.query(X\[100:\]) # 获取样本的标签 y_new = y\[idx\] # 将新的样本添加到训练集中 learner.teach(X\[idx\], y_new) # 输出模型准确率 print('Accuracy:', learner.score(X, y)) ``` 在这个示例代码中,我们首先导入了手写数字数据集,并初始化了一个随机森林分类器作为模型。然后,我们使用ActiveLearner类初始化了一个主动学习模型,指定了初始训练集、查询策略等参数。接下来,我们使用一个循环来进行主动学习,直到模型的准确率达到要求为止。在每次循环中,我们使用查询策略从未标记的数据中选择最具代表性的样本,并将其标签添加到训练集中。最后,我们输出模型的准确率。 如果你想使用libact,你可以使用pip命令安装它的依赖: ``` pip3 install -r requirements.txt ``` 请注意,libact要求Python 2.7, 3.3, 3.4, 3.5,但在实际测试中发现,Python 2.7可能不支持,建议使用Python 3.5\[3\]。 #### 引用[.reference_title] - *1* *3* [主动学习python框架libact配置教程](https://blog.csdn.net/ECNU_LZJ/article/details/104455731)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [主动学习在Python中的实现](https://blog.csdn.net/ai52learn/article/details/130787963)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control_2,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

打赏作者

AI扩展坞

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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