Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 13.8 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 13.8 KB

Vodnik za odpravljanje težav

Ta vodnik vam pomaga rešiti pogoste težave pri delu s kurikulumom Strojnega učenja za začetnike. Če rešitve tukaj ne najdete, preverite naše Discord razprave ali odprite težavo.

Kazalo

Težave z namestitvijo

Namestitev Pythona

Težava: python: command not found

Rešitev:

  1. Namestite Python 3.8 ali novejšo različico s python.org
  2. Preverite namestitev: python --version ali python3 --version
  3. Na macOS/Linux morda potrebujete ukaz python3 namesto python

Težava: Konflikti zaradi več nameščenih različic Pythona

Rešitev:

# 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

Namestitev Jupyterja

Težava: jupyter: command not found

Rešitev:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Težava: Jupyter se ne odpre v brskalniku

Rešitev:

# 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=...

Namestitev R

Težava: R paketov ni mogoče namestiti

Rešitev:

# 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")

Težava: IRkernel ni na voljo v Jupyterju

Rešitev:

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

Težave z Jupyter Notebook

Težave s kernelom

Težava: Kernel se nenehno ustavlja ali znova zažene

Rešitev:

  1. Znova zaženite kernel: Kernel → Restart
  2. Počistite izhod in znova zaženite: Kernel → Restart & Clear Output
  3. Preverite težave s pomnilnikom (glejte Težave z zmogljivostjo)
  4. Poskusite zagnati celice posamezno, da ugotovite problematično kodo

Težava: Izbran je napačen Python kernel

Rešitev:

  1. Preverite trenutni kernel: Kernel → Change Kernel
  2. Izberite pravilno različico Pythona
  3. Če kernela ni, ga ustvarite:
python -m ipykernel install --user --name=ml-env

Težava: Kernel se ne zažene

Rešitev:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Težave s celicami v beležnici

Težava: Celice se izvajajo, vendar ne prikazujejo izhoda

Rešitev:

  1. Preverite, ali se celica še vedno izvaja (poiščite indikator [*])
  2. Znova zaženite kernel in zaženite vse celice: Kernel → Restart & Run All
  3. Preverite konzolo brskalnika za napake v JavaScriptu (F12)

Težava: Celic ni mogoče zagnati - brez odziva ob kliku na "Run"

Rešitev:

  1. Preverite, ali Jupyter strežnik še vedno deluje v terminalu
  2. Osvežite stran v brskalniku
  3. Zaprite in znova odprite beležnico
  4. Znova zaženite Jupyter strežnik

Težave s Python paketi

Napake pri uvozu

Težava: ModuleNotFoundError: No module named 'sklearn'

Rešitev:

pip install scikit-learn

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

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

Rešitev:

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

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

Konflikti različic

Težava: Napake zaradi nezdružljivosti različic paketov

Rešitev:

# 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

Težava: pip install ne uspe zaradi težav s pravicami

Rešitev:

# 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

Težave z nalaganjem podatkov

Težava: FileNotFoundError pri nalaganju CSV datotek

Rešitev:

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')

Težave z okoljem R

Namestitev paketov

Težava: Namestitev paketa ne uspe zaradi napak pri prevajanju

Rešitev:

# 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

Težava: tidyverse ni mogoče namestiti

Rešitev:

# 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"))

Težave z RMarkdown

Težava: RMarkdown se ne upodobi

Rešitev:

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

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

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

Težave z aplikacijo za kvize

Gradnja in namestitev

Težava: npm install ne uspe

Rešitev:

# 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

Težava: Vrata 8080 so že v uporabi

Rešitev:

# 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

Napake pri gradnji

Težava: npm run build ne uspe

Rešitev:

# 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

Težava: Napake pri preverjanju kode preprečujejo gradnjo

Rešitev:

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

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

Težave s podatki in potmi do datotek

Težave s potmi

Težava: Podatkovne datoteke niso najdene pri zagonu beležnic

Rešitev:

  1. Vedno zaženite beležnice iz njihove vsebujoče mape

    cd /path/to/lesson/folder
jupyter notebook

  2. Preverite relativne poti v kodi

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

# Not from your terminal location

  3. Po potrebi uporabite absolutne poti

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

Manjkajoče podatkovne datoteke

Težava: Manjkajo datoteke z nabori podatkov

Rešitev:

  1. Preverite, ali bi morali biti podatki v repozitoriju - večina naborov podatkov je vključena
  2. Nekatere lekcije morda zahtevajo prenos podatkov - preverite README lekcije
  3. Prepričajte se, da ste povlekli najnovejše spremembe: 
    git pull origin main

Pogosta sporočila o napakah

Napake s pomnilnikom

Napaka: MemoryError ali kernel preneha delovati pri obdelavi podatkov

Rešitev:

# 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()

Opozorila o konvergenci

Opozorilo: ConvergenceWarning: Maximum number of iterations reached

Rešitev:

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)

Težave s prikazovanjem grafov

Težava: Grafi se ne prikazujejo v Jupyterju

Rešitev:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Težava: Grafi Seaborn izgledajo drugače ali povzročajo napake

Rešitev:

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

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

Napake Unicode/kodiranja

Težava: UnicodeDecodeError pri branju datotek

Rešitev:

# 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')

Težave z zmogljivostjo

Počasno izvajanje beležnic

Težava: Beležnice se izvajajo zelo počasi

Rešitev:

  1. Znova zaženite kernel za sprostitev pomnilnika: Kernel → Restart
  2. Zaprite neuporabljene beležnice, da sprostite vire
  3. Za testiranje uporabite manjše vzorce podatkov: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilirajte svojo kodo, da najdete ozka grla: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Visoka poraba pomnilnika

Težava: Sistem ostaja brez pomnilnika

Rešitev:

# 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)

Okolje in konfiguracija

Težave z virtualnim okoljem

Težava: Virtualno okolje se ne aktivira

Rešitev:

# 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

Težava: Paketi so nameščeni, vendar jih beležnica ne najde

Rešitev:

# 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)

Težave z Gitom

Težava: Ni mogoče povleči najnovejših sprememb - konflikti združevanja

Rešitev:

# 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

Integracija z VS Code

Težava: Jupyter beležnic ni mogoče odpreti v VS Code

Rešitev:

  1. Namestite razširitev Python v VS Code
  2. Namestite razširitev Jupyter v VS Code
  3. Izberite pravilen Python interpreter: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Znova zaženite VS Code

Dodatni viri

Še vedno imate težave?

Če ste preizkusili zgornje rešitve in še vedno naletite na težave:

  1. Poiščite obstoječe težave: GitHub Issues
  2. Preverite razprave na Discordu: Discord razprave
  3. Odprite novo težavo: Vključite:
    • Vaš operacijski sistem in različico
    • Različico Pythona/R
    • Sporočilo o napaki (celoten izpis napake)
    • Korake za ponovitev težave
    • Kaj ste že poskusili

Tukaj smo, da vam pomagamo! 🚀

Omejitev odgovornosti:
Ta dokument je bil preveden z uporabo storitve za prevajanje z umetno inteligenco Co-op Translator. Čeprav si prizadevamo za natančnost, vas prosimo, da upoštevate, da lahko avtomatizirani prevodi vsebujejo napake ali netočnosti. Izvirni dokument v njegovem izvirnem jeziku je treba obravnavati kot avtoritativni vir. Za ključne informacije priporočamo profesionalni človeški prevod. Ne prevzemamo odgovornosti za morebitna nesporazumevanja ali napačne razlage, ki bi nastale zaradi uporabe tega prevoda.