解决mljar-supervised中Scipy版本兼容性问题
问题背景
mljar-supervised是一个流行的自动化机器学习工具库,近期用户在使用过程中遇到了一个典型的依赖冲突问题。当用户尝试导入AutoML模块时,系统报错"ImportError: cannot import name 'interp' from 'scipy'"。
这个问题的根源在于2024年1月20日发布的Scipy 1.12.0版本中移除了'interp'函数,而mljar-supervised依赖的scikit-plot 0.37版本(最后更新于2018年)仍然尝试从Scipy导入这个已被移除的函数。
临时解决方案
对于急需解决问题的用户,可以采用以下临时方案:
-
降级Scipy版本:安装Scipy 1.11.4版本
pip install scipy==1.11.4
-
在Jupyter Notebook中:
%pip install scipy==1.11.4
-
修改requirements.txt:如果使用requirements.txt文件管理依赖,可以将Scipy版本限制为:
scipy>=1.6.1,<=1.11.4
根本解决方案
项目维护者pplonski已经采取了以下措施从根本上解决问题:
-
创建维护分支:为长期未更新的scikit-plot项目创建了维护分支mljar-scikit-plot,更新了依赖关系并修复了兼容性问题。
-
更新依赖关系:mljar-supervised现在依赖于维护良好的mljar-scikit-plot分支,而不是原始已停止维护的scikit-plot。
-
版本限制:在mljar-supervised的依赖声明中添加了对Scipy版本的上限限制,防止未来类似问题发生。
技术分析
这个问题展示了Python生态系统中一个常见挑战:依赖链断裂。当底层库(如Scipy)进行重大更新时,依赖它的上层库(如scikit-plot)如果没有及时跟进维护,就会导致兼容性问题。
对于这类问题,开发者可以采取以下策略:
- 版本锁定:在关键依赖上设置合理的版本范围
- 维护分支:为停止维护但有价值的项目创建维护分支
- 依赖更新:定期检查并更新项目依赖关系
最佳实践建议
- 使用虚拟环境隔离项目依赖
- 定期检查并更新依赖关系
- 对于生产环境,考虑锁定所有依赖版本
- 关注依赖库的维护状态,及时替换已停止维护的库
通过这次事件,mljar-supervised项目展示了良好的开源维护实践,及时响应社区反馈并提供长期解决方案,值得其他开源项目借鉴。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









