scipy2017-jupyter-widgets-tutorial 的安装和配置教程
2025-05-29 09:47:53作者:胡易黎Nicole
1. 项目基础介绍和主要编程语言
scipy2017-jupyter-widgets-tutorial 是一个开源项目,旨在为SciPy 2017教程提供关于Jupyter交互式小部件生态系统的教学笔记。该项目主要使用Jupyter Notebook作为编程环境,以Python作为主要的编程语言。
2. 项目使用的关键技术和框架
本项目使用的关键技术包括:
- Jupyter Notebook: 一个开源的Web应用程序,允许你创建和共享包含实时代码、方程、可视化和文本的文档。
- ipywidgets: 一个Jupyter Notebook的交互式小部件库,用于创建交互式的UI控件。
- bqplot: 一个基于ipywidgets的交互式可视化库。
- ipyvolume: 用于3D体积可视化的Jupyter小部件。
- ipyleaflet: 用于在Jupyter笔记本中创建交互式地图的库。
- pythreejs: Three.js的Python绑定,用于在Jupyter笔记本中创建3D图形。
3. 项目安装和配置的准备工作及详细步骤
准备工作
在开始安装之前,请确保您的系统中已经安装了Python。本项目推荐使用Anaconda Python发行版,因为它包含了创建独立环境所需的所有工具。
安装步骤
使用Anaconda安装
-
创建一个新的Anaconda环境:
conda create -n widgets-tutorial -c conda-forge python=3.6 pip notebook=5.5 numpy scikit-image scipy pandas=0.23 requests -
激活新创建的环境:
conda activate widgets-tutorial -
安装ipywidgets和相关依赖:
conda install -c conda-forge ipywidgets=7.2 bqplot ipyvolume ipyleaflet pythreejs ipyevents -
安装pywwt从另一个渠道:
conda install -c wwt pywwt -
为此环境创建一个新的ipython内核:
ipython kernel install --name widgets-tutorial --display-name widgets-tutorial --sys-prefix -
如果您打算使用JupyterLab,请安装JupyterLab和相关的扩展:
conda install -c conda-forge jupyterlab nodejs=9.11 jupyter labextension install @jupyter-widgets/jupyterlab-manager bqplot ipyvolume jupyter-threejs jupyter-leaflet
使用pip安装
如果您不使用Anaconda Python发行版,可以使用以下pip命令进行安装:
pip install notebook==5.5 ipywidgets numpy scipy scikit-image traitlets requests bqplot ipywidgets==7.2 ipyvolume matplotlib pandas==0.23 ipyleaflet pythreejs ipyevents pywwt
如果使用JupyterLab,还需要安装:
pip install jupyterlab
以及运行以下命令安装JupyterLab扩展:
jupyter labextension install @jupyter-widgets/jupyterlab-manager bqplot ipyvolume jupyter-threejs jupyter-leaflet
验证安装
要验证安装是否成功,请下载install_check.py脚本并运行:
python install_check.py
以上就是scipy2017-jupyter-widgets-tutorial的详细安装和配置指南。按照这些步骤操作,您应该能够成功安装并开始使用该项目。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217