RockyLinux机器学习库安装（手把手教你搭建AI开发环境）

准备工作：更新系统并安装基础依赖

首先，确保你的 Rocky Linux 系统是最新的，并安装必要的开发工具：

sudo dnf update -ysudo dnf groupinstall "Development Tools" -ysudo dnf install python3 python3-pip python3-devel -y

步骤一：创建虚拟环境（推荐）

为了避免包冲突，建议使用 Python 虚拟环境。执行以下命令：

python3 -m venv ml-envsource ml-env/bin/activate

激活后，命令行前缀会显示 (ml-env)，表示你已进入虚拟环境。

步骤二：升级 pip 并安装核心机器学习库

在虚拟环境中，先升级 pip，然后安装常用库：

pip install --upgrade pippip install numpy pandas scikit-learn matplotlib seaborn jupyter

这些包构成了 Python机器学习依赖安装的基础组件：
• numpy：高性能数值计算
• pandas：数据处理与分析
• scikit-learn：经典机器学习算法
• matplotlib 和 seaborn：数据可视化
• jupyter：交互式笔记本环境

步骤三（可选）：安装深度学习框架

如果你需要 TensorFlow 或 PyTorch，可以继续安装：

# 安装 TensorFlow（CPU 版本）pip install tensorflow# 或安装 PyTorch（CPU 版本）pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu

注意：若需 GPU 支持，请参考官方文档安装 CUDA 驱动及对应版本的深度学习框架。

验证安装是否成功

启动 Python 并尝试导入库：

python3>>> import numpy as np>>> import pandas as pd>>> from sklearn import datasets>>> print("所有库导入成功！")

如果未报错，说明 RockyLinux科学计算库配置已完成！

启动 Jupyter Notebook 进行开发

在虚拟环境中运行：

jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser --allow-root

然后在浏览器中访问 http://你的服务器IP:8888 即可开始编写机器学习代码。

结语

通过以上步骤，你已经成功完成了 Rocky Linux AI开发环境 的搭建。无论是进行数据分析、模型训练还是教学演示，这套环境都能满足基本需求。建议定期备份虚拟环境或使用 requirements.txt 管理依赖，便于项目迁移和复现。

祝你在 Rocky Linux 上的机器学习之旅顺利高效！