Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 14.3 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 14.3 KB

Hibaelhárítási útmutató

Ez az útmutató segít megoldani a gyakori problémákat a Machine Learning for Beginners tananyag használata során. Ha itt nem talál megoldást, nézze meg a Discord Beszélgetéseket vagy nyisson egy hibajegyet.

Tartalomjegyzék

Telepítési problémák

Python telepítés

Probléma: python: command not found

Megoldás:

  1. Telepítse a Python 3.8 vagy újabb verzióját innen: python.org
  2. Ellenőrizze a telepítést: python --version vagy python3 --version
  3. macOS/Linux rendszeren lehet, hogy python3-at kell használnia python helyett

Probléma: Több Python verzió konfliktust okoz

Megoldás:

# Use virtual environments to isolate projects
python -m venv ml-env

# Activate virtual environment
# On Windows:
ml-env\Scripts\activate
# On macOS/Linux:
source ml-env/bin/activate

Jupyter telepítés

Probléma: jupyter: command not found

Megoldás:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Probléma: A Jupyter nem indul el a böngészőben

Megoldás:

# Try specifying the browser
jupyter notebook --browser=chrome

# Or copy the URL with token from terminal and paste in browser manually
# Look for: http://localhost:8888/?token=...

R telepítés

Probléma: R csomagok nem települnek

Megoldás:

# Ensure you have the latest R version
# Install packages with dependencies
install.packages(c("tidyverse", "tidymodels", "caret"), dependencies = TRUE)

# If compilation fails, try installing binary versions
install.packages("package-name", type = "binary")

Probléma: Az IRkernel nem érhető el a Jupyterben

Megoldás:

# In R console
install.packages('IRkernel')
IRkernel::installspec(user = TRUE)

Jupyter Notebook problémák

Kernel problémák

Probléma: A kernel folyamatosan leáll vagy újraindul

Megoldás:

  1. Indítsa újra a kernelt: Kernel → Restart
  2. Törölje a kimenetet és indítsa újra: Kernel → Restart & Clear Output
  3. Ellenőrizze a memória problémákat (lásd Teljesítmény problémák)
  4. Próbálja meg egyenként futtatni a cellákat, hogy azonosítsa a problémás kódot

Probléma: Rossz Python kernel van kiválasztva

Megoldás:

  1. Ellenőrizze az aktuális kernelt: Kernel → Change Kernel
  2. Válassza ki a megfelelő Python verziót
  3. Ha a kernel hiányzik, hozza létre:
python -m ipykernel install --user --name=ml-env

Probléma: A kernel nem indul el

Megoldás:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

# Register the kernel again
python -m ipykernel install --user

Notebook cella problémák

Probléma: A cellák futnak, de nem jelenítenek meg kimenetet

Megoldás:

  1. Ellenőrizze, hogy a cella még fut-e (keresse a [*] jelzést)
  2. Indítsa újra a kernelt és futtassa az összes cellát: Kernel → Restart & Run All
  3. Ellenőrizze a böngésző konzolt JavaScript hibákért (F12)

Probléma: Nem lehet futtatni a cellákat - nincs válasz a "Run" gombra kattintva

Megoldás:

  1. Ellenőrizze, hogy a Jupyter szerver még fut-e a terminálban
  2. Frissítse a böngésző oldalt
  3. Zárja be és nyissa meg újra a notebookot
  4. Indítsa újra a Jupyter szervert

Python csomag problémák

Import hibák

Probléma: ModuleNotFoundError: No module named 'sklearn'

Megoldás:

pip install scikit-learn

# Common ML packages for this course
pip install scikit-learn pandas numpy matplotlib seaborn

Probléma: ImportError: cannot import name 'X' from 'sklearn'

Megoldás:

# Update scikit-learn to latest version
pip install --upgrade scikit-learn

# Check version
python -c "import sklearn; print(sklearn.__version__)"

Verzió konfliktusok

Probléma: Csomag verzió összeférhetetlenségi hibák

Megoldás:

# Create a new virtual environment
python -m venv fresh-env
source fresh-env/bin/activate  # or fresh-env\Scripts\activate on Windows

# Install packages fresh
pip install jupyter scikit-learn pandas numpy matplotlib seaborn

# If specific version needed
pip install scikit-learn==1.3.0

Probléma: pip install engedélyezési hibákkal meghiúsul

Megoldás:

# Install for current user only
pip install --user package-name

# Or use virtual environment (recommended)
python -m venv venv
source venv/bin/activate
pip install package-name

Adatbetöltési problémák

Probléma: FileNotFoundError CSV fájlok betöltésekor

Megoldás:

import os
# Check current working directory
print(os.getcwd())

# Use relative paths from notebook location
df = pd.read_csv('../../data/filename.csv')

# Or use absolute paths
df = pd.read_csv('/full/path/to/data/filename.csv')

R környezet problémák

Csomag telepítés

Probléma: A csomag telepítése fordítási hibákkal meghiúsul

Megoldás:

# Install binary version (Windows/macOS)
install.packages("package-name", type = "binary")

# Update R to latest version if packages require it
# Check R version
R.version.string

# Install system dependencies (Linux)
# For Ubuntu/Debian, in terminal:
# sudo apt-get install r-base-dev

Probléma: A tidyverse nem települ

Megoldás:

# Install dependencies first
install.packages(c("rlang", "vctrs", "pillar"))

# Then install tidyverse
install.packages("tidyverse")

# Or install components individually
install.packages(c("dplyr", "ggplot2", "tidyr", "readr"))

RMarkdown problémák

Probléma: Az RMarkdown nem jelenik meg

Megoldás:

# Install/update rmarkdown
install.packages("rmarkdown")

# Install pandoc if needed
install.packages("pandoc")

# For PDF output, install tinytex
install.packages("tinytex")
tinytex::install_tinytex()

Kvíz alkalmazás problémák

Építés és telepítés

Probléma: npm install meghiúsul

Megoldás:

# Clear npm cache
npm cache clean --force

# Remove node_modules and package-lock.json
rm -rf node_modules package-lock.json

# Reinstall
npm install

# If still fails, try with legacy peer deps
npm install --legacy-peer-deps

Probléma: A 8080-as port már használatban van

Megoldás:

# Use different port
npm run serve -- --port 8081

# Or find and kill process using port 8080
# On Linux/macOS:
lsof -ti:8080 | xargs kill -9

# On Windows:
netstat -ano | findstr :8080
taskkill /PID <PID> /F

Építési hibák

Probléma: npm run build meghiúsul

Megoldás:

# Check Node.js version (should be 14+)
node --version

# Update Node.js if needed
# Then clean install
rm -rf node_modules package-lock.json
npm install
npm run build

Probléma: Linting hibák akadályozzák az építést

Megoldás:

# Fix auto-fixable issues
npm run lint -- --fix

# Or temporarily disable linting in build
# (not recommended for production)

Adat- és fájlútvonal problémák

Útvonal problémák

Probléma: Az adatfájlok nem találhatók a notebookok futtatásakor

Megoldás:

  1. Mindig a notebookok tartalmazó könyvtárából futtassa őket

    cd /path/to/lesson/folder
jupyter notebook

  2. Ellenőrizze a relatív útvonalakat a kódban

    # Correct path from notebook location
df = pd.read_csv('../data/filename.csv')

# Not from your terminal location

  3. Használjon abszolút útvonalakat, ha szükséges

    import os
base_path = os.path.dirname(os.path.abspath(__file__))
data_path = os.path.join(base_path, 'data', 'filename.csv')

Hiányzó adatfájlok

Probléma: Hiányoznak az adatfájlok

Megoldás:

  1. Ellenőrizze, hogy az adatoknak a repóban kell-e lenniük - a legtöbb dataset benne van
  2. Néhány lecke megkövetelheti az adatok letöltését - nézze meg a lecke README fájlját
  3. Győződjön meg róla, hogy a legfrissebb változásokat lehúzta: 
    git pull origin main

Gyakori hibaüzenetek

Memória hibák

Hiba: MemoryError vagy a kernel leáll adatfeldolgozás közben

Megoldás:

# Load data in chunks
for chunk in pd.read_csv('large_file.csv', chunksize=10000):
    process(chunk)

# Or read only needed columns
df = pd.read_csv('file.csv', usecols=['col1', 'col2'])

# Free memory when done
del large_dataframe
import gc
gc.collect()

Konvergencia figyelmeztetések

Figyelmeztetés: ConvergenceWarning: Maximum number of iterations reached

Megoldás:

from sklearn.linear_model import LogisticRegression

# Increase max iterations
model = LogisticRegression(max_iter=1000)

# Or scale your features first
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Ábrázolási problémák

Probléma: Az ábrák nem jelennek meg a Jupyterben

Megoldás:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

# Show plot explicitly
plt.plot(data)
plt.show()

Probléma: A Seaborn ábrák eltérően néznek ki vagy hibát dobnak

Megoldás:

import warnings
warnings.filterwarnings('ignore', category=UserWarning)

# Update to compatible version
# pip install --upgrade seaborn matplotlib

Unicode/kódolási hibák

Probléma: UnicodeDecodeError fájlok olvasásakor

Megoldás:

# Specify encoding explicitly
df = pd.read_csv('file.csv', encoding='utf-8')

# Or try different encoding
df = pd.read_csv('file.csv', encoding='latin-1')

# For errors='ignore' to skip problematic characters
df = pd.read_csv('file.csv', encoding='utf-8', errors='ignore')

Teljesítmény problémák

Lassú notebook futtatás

Probléma: A notebookok nagyon lassan futnak

Megoldás:

  1. Indítsa újra a kernelt a memória felszabadításához: Kernel → Restart
  2. Zárja be a nem használt notebookokat a források felszabadításához
  3. Használjon kisebb adatmintákat teszteléshez: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilozza a kódját, hogy megtalálja a szűk keresztmetszeteket: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Magas memóriahasználat

Probléma: A rendszer kifogy a memóriából

Megoldás:

# Check memory usage
df.info(memory_usage='deep')

# Optimize data types
df['column'] = df['column'].astype('int32')  # Instead of int64

# Drop unnecessary columns
df = df[['col1', 'col2']]  # Keep only needed columns

# Process in batches
for batch in np.array_split(df, 10):
    process(batch)

Környezet és konfiguráció

Virtuális környezet problémák

Probléma: A virtuális környezet nem aktiválódik

Megoldás:

# Windows
python -m venv venv
venv\Scripts\activate.bat

# macOS/Linux
python3 -m venv venv
source venv/bin/activate

# Check if activated (should show venv name in prompt)
which python  # Should point to venv python

Probléma: A csomagok telepítve vannak, de nem találhatók a notebookban

Megoldás:

# Ensure notebook uses the correct kernel
# Install ipykernel in your venv
pip install ipykernel
python -m ipykernel install --user --name=ml-env --display-name="Python (ml-env)"

# In Jupyter: Kernel → Change Kernel → Python (ml-env)

Git problémák

Probléma: Nem lehet lehúzni a legfrissebb változásokat - összeolvasztási konfliktusok

Megoldás:

# Stash your changes
git stash

# Pull latest
git pull origin main

# Reapply your changes
git stash pop

# If conflicts, resolve manually or:
git checkout --theirs path/to/file  # Take remote version
git checkout --ours path/to/file    # Keep your version

VS Code integráció

Probléma: A Jupyter notebookok nem nyílnak meg a VS Code-ban

Megoldás:

  1. Telepítse a Python kiterjesztést a VS Code-ban
  2. Telepítse a Jupyter kiterjesztést a VS Code-ban
  3. Válassza ki a megfelelő Python értelmezőt: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Indítsa újra a VS Code-ot

További források

Még mindig problémái vannak?

Ha kipróbálta a fenti megoldásokat, és még mindig problémákat tapasztal:

  1. Keressen meglévő hibajegyeket: GitHub Issues
  2. Nézze meg a Discord beszélgetéseket: Discord Discussions
  3. Nyisson egy új hibajegyet: Tartalmazza:
    • Az operációs rendszerét és verzióját
    • Python/R verzióját
    • Hibaüzenetet (teljes traceback)
    • A probléma reprodukálásának lépéseit
    • Amit már kipróbált

Segítünk! 🚀

Felelősség kizárása:
Ez a dokumentum az Co-op Translator AI fordítási szolgáltatás segítségével került lefordításra. Bár törekszünk a pontosságra, kérjük, vegye figyelembe, hogy az automatikus fordítások hibákat vagy pontatlanságokat tartalmazhatnak. Az eredeti dokumentum az eredeti nyelvén tekintendő hiteles forrásnak. Kritikus információk esetén javasolt professzionális emberi fordítást igénybe venni. Nem vállalunk felelősséget semmilyen félreértésért vagy téves értelmezésért, amely a fordítás használatából eredhet.