Skip to content

TROUBLESHOOTING.md

Latest commit

 

History

History
601 lines (428 loc) · 13.5 KB

TROUBLESHOOTING.md

File metadata and controls

601 lines (428 loc) · 13.5 KB

Felsökningsguide

Den här guiden hjälper dig att lösa vanliga problem när du arbetar med kursplanen för Machine Learning for Beginners. Om du inte hittar en lösning här, kolla gärna våra Discord-diskussioner eller öppna ett ärende.

Innehållsförteckning

Installationsproblem

Python-installation

Problem: python: command not found

Lösning:

  1. Installera Python 3.8 eller senare från python.org
  2. Verifiera installationen: python --version eller python3 --version
  3. På macOS/Linux kan du behöva använda python3 istället för python

Problem: Konflikter mellan flera Python-versioner

Lösning:

# 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-installation

Problem: jupyter: command not found

Lösning:

# Install Jupyter
pip install jupyter

# Or with pip3
pip3 install jupyter

# Verify installation
jupyter --version

Problem: Jupyter öppnas inte i webbläsaren

Lösning:

# 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-installation

Problem: R-paket installeras inte

Lösning:

# 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")

Problem: IRkernel är inte tillgängligt i Jupyter

Lösning:

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

Problem med Jupyter Notebook

Kernel-problem

Problem: Kernel dör eller startar om hela tiden

Lösning:

  1. Starta om kernel: Kernel → Restart
  2. Rensa output och starta om: Kernel → Restart & Clear Output
  3. Kontrollera minnesproblem (se Prestandaproblem)
  4. Kör celler individuellt för att identifiera problematisk kod

Problem: Fel Python-kernel vald

Lösning:

  1. Kontrollera aktuell kernel: Kernel → Change Kernel
  2. Välj rätt Python-version
  3. Om kernel saknas, skapa den:
python -m ipykernel install --user --name=ml-env

Problem: Kernel startar inte

Lösning:

# Reinstall ipykernel
pip uninstall ipykernel
pip install ipykernel

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

Problem med notebook-celler

Problem: Celler körs men visar ingen output

Lösning:

  1. Kontrollera om cellen fortfarande körs (titta efter [*]-indikatorn)
  2. Starta om kernel och kör alla celler: Kernel → Restart & Run All
  3. Kontrollera webbläsarens konsol för JavaScript-fel (F12)

Problem: Kan inte köra celler - ingen respons vid klick på "Run"

Lösning:

  1. Kontrollera om Jupyter-servern fortfarande körs i terminalen
  2. Uppdatera webbläsarsidan
  3. Stäng och öppna notebooken igen
  4. Starta om Jupyter-servern

Problem med Python-paket

Importfel

Problem: ModuleNotFoundError: No module named 'sklearn'

Lösning:

pip install scikit-learn

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

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

Lösning:

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

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

Versionskonflikter

Problem: Felmeddelanden om paketversionskompatibilitet

Lösning:

# 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

Problem: pip install misslyckas med behörighetsfel

Lösning:

# 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

Problem med dataladdning

Problem: FileNotFoundError vid laddning av CSV-filer

Lösning:

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')

Problem med R-miljö

Paketinstallation

Problem: Paketinstallation misslyckas med kompileringsfel

Lösning:

# 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

Problem: tidyverse installeras inte

Lösning:

# 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"))

Problem med RMarkdown

Problem: RMarkdown renderas inte

Lösning:

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

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

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

Problem med quiz-applikation

Bygg och installation

Problem: npm install misslyckas

Lösning:

# 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

Problem: Port 8080 används redan

Lösning:

# 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

Byggfel

Problem: npm run build misslyckas

Lösning:

# 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

Problem: Lint-fel hindrar byggprocessen

Lösning:

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

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

Problem med data och filvägar

Problem med filvägar

Problem: Datafiler hittas inte vid körning av notebooks

Lösning:

  1. Kör alltid notebooks från deras innehållande katalog

    cd /path/to/lesson/folder
jupyter notebook

  2. Kontrollera relativa filvägar i koden

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

# Not from your terminal location

  3. Använd absoluta filvägar vid behov

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

Saknade datafiler

Problem: Datasetfiler saknas

Lösning:

  1. Kontrollera om data ska finnas i repositoryt - de flesta dataset är inkluderade
  2. Vissa lektioner kan kräva nedladdning av data - kontrollera lektionens README
  3. Se till att du har hämtat de senaste ändringarna: 
    git pull origin main

Vanliga felmeddelanden

Minnesfel

Fel: MemoryError eller kernel dör vid databehandling

Lösning:

# 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()

Konvergensvarningar

Varning: ConvergenceWarning: Maximum number of iterations reached

Lösning:

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)

Problem med diagram

Problem: Diagram visas inte i Jupyter

Lösning:

# Enable inline plotting
%matplotlib inline

# Import pyplot
import matplotlib.pyplot as plt

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

Problem: Seaborn-diagram ser annorlunda ut eller ger fel

Lösning:

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

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

Unicode-/kodningsfel

Problem: UnicodeDecodeError vid läsning av filer

Lösning:

# 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')

Prestandaproblem

Långsam körning av notebooks

Problem: Notebooks är mycket långsamma att köra

Lösning:

  1. Starta om kernel för att frigöra minne: Kernel → Restart
  2. Stäng oanvända notebooks för att frigöra resurser
  3. Använd mindre dataprover för testning: 
    # Work with subset during development
df_sample = df.sample(n=1000)
  4. Profilera din kod för att hitta flaskhalsar: 
    %time operation()  # Time single operation
%timeit operation()  # Time with multiple runs

Hög minnesanvändning

Problem: Systemet får slut på minne

Lösning:

# 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)

Miljö och konfiguration

Problem med virtuella miljöer

Problem: Virtuell miljö aktiveras inte

Lösning:

# 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

Problem: Paket är installerade men hittas inte i notebook

Lösning:

# 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-problem

Problem: Kan inte hämta senaste ändringar - konflikt vid sammanslagning

Lösning:

# 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

Integration med VS Code

Problem: Jupyter-notebooks öppnas inte i VS Code

Lösning:

  1. Installera Python-tillägget i VS Code
  2. Installera Jupyter-tillägget i VS Code
  3. Välj rätt Python-interpreter: Ctrl+Shift+P → "Python: Select Interpreter"
  4. Starta om VS Code

Ytterligare resurser

Har du fortfarande problem?

Om du har försökt lösningarna ovan och fortfarande har problem:

  1. Sök efter befintliga ärenden: GitHub Issues
  2. Kolla diskussioner på Discord: Discord-diskussioner
  3. Öppna ett nytt ärende: Inkludera:
    • Ditt operativsystem och version
    • Python/R-version
    • Felmeddelande (full traceback)
    • Steg för att återskapa problemet
    • Vad du redan har försökt

Vi finns här för att hjälpa dig! 🚀

Ansvarsfriskrivning:
Detta dokument har översatts med hjälp av AI-översättningstjänsten Co-op Translator. Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.