介绍
随着开发者越来越多地使用基于人工智能的工具，Python凭借其简洁性、易读性和丰富的库（如TensorFlow、PyTorch和scikit-learn），已成为人工智能领域最优秀的编程语言之一。这些库为机器学习、数据分析和神经网络提供了强大的工具，使Python成为人工智能和机器学习项目的最佳选择。.
鉴于 Python 在人工智能领域的核心地位，学习如何高效运行 Python 脚本至关重要。本教程旨在通过在 Ubuntu 系统上运行简单的 Python 脚本，帮助您为更高级的人工智能编程打下基础。.
先决条件
- 服务器运行的是 Ubuntu 系统，需要使用具有 sudo 权限的非 root 用户，并启用防火墙。如需了解具体设置方法，请从列表中选择您的 Ubuntu 发行版，并按照我们的服务器入门指南进行操作。请确保您运行的是受支持的 Ubuntu 版本。.
- Linux命令行简介。.
- 开始之前，请在 Ubuntu 终端中运行 sudo apt-get update，以确保您的系统拥有从系统上配置的存储库中可用的软件的最新版本和安全更新。.
这些说明适用于最新的 Ubuntu 版本：Ubuntu 24.04、Ubuntu 22.04 和 Ubuntu 20.04。如果您使用的是 Ubuntu 18.04 或更低版本，我们建议您升级到最新版本，因为 Ubuntu 已停止对这些版本的支持。本指南将帮助您升级 Ubuntu 版本。.
步骤 1 – 设置 Python 环境
Ubuntu 24.04 默认安装了 Python 3。打开终端并运行以下命令，以再次确认 Python 3 是否已安装：
python3 --version
如果您的计算机上已安装 Python 3，此命令将返回 Python 3 的当前版本。如果未安装，您可以运行以下命令来安装 Python 3：
sudo apt install python3
接下来，您需要在系统上安装 pip 包安装程序：
sudo apt install python3-pip
步骤 2 – 创建 Python 脚本
下一步是编写要运行的 Python 代码。要创建一个新脚本，请转到您选择的目录：
cd ~/path-to-your-script-directory
进入目录后，你需要创建一个新文件。在终端中运行以下命令：
nano demo_ai.py
这将打开一个空白文本编辑器。请在此处编写您的逻辑，或复制以下代码：
from sklearn.tree import DecisionTreeClassifier
import numpy as np
import random
# Generate sample data
x = np.array([[i] for i in range(1, 21)]) # Numbers 1 to 20
y = np.array([i % 2 for i in range(1, 21)]) # 0 for even, 1 for odd
# Create and train the model
model = DecisionTreeClassifier()
model.fit(x, y)
# Function to predict if a number is odd or even
def predict_odd_even(number):
prediction = model.predict([[number]])
return "Odd" if prediction[0] == 1 else "Even"
if __name__ == "__main__":
num = random.randint(0, 20)
result = predict_odd_even(num)
print(f"The number {num} is an {result} number.")这段脚本使用 scikit-learn 库创建了一个简单的决策树分类器。它基于随机生成的样本数据训练模型，使其能够区分奇数和偶数。然后，它根据学习到的知识对给定的数字进行预测。.
保存并退出文本编辑器。.
步骤 3 – 安装所需软件包
在此步骤中，您将安装上面脚本中使用的软件包。.
首先需要安装的是 NumPy 库。您将使用这个库来创建数据集，以便训练机器学习模型。.
从 Python 3.11 和 Pip 22.3 开始，新增了 PEP 668，规定将 Python 基础环境标记为“外部管理”。这就是为什么直接运行 pip3 scikit-learn numpy 或类似的 numpy 安装命令会抛出错误：外部管理环境。.
要成功安装和使用 NumPy，您需要创建一个虚拟环境，将 Python 包与系统环境隔离。这一点至关重要，因为它能确保不同项目所需的依赖项彼此独立，并防止包版本之间潜在的冲突。.
首先，运行以下命令创建虚拟环境：
sudo apt install python3-venv
现在使用此工具在工作目录中创建一个虚拟环境。.
python3 -m venv python-env下一步是通过运行激活脚本来激活这个虚拟环境。.
source python-env/bin/activate
运行程序时，您会注意到终端提示，其中虚拟环境名称的前缀如下：
Output
(python-env) ubuntu@user:现在运行以下命令安装所需的软件包：
pip install scikit-learn numpy
random 模块是 Python 标准库的一部分，因此无需单独安装。它随 Python 一起提供，可以直接使用，无需任何额外安装。.
步骤 4 – 运行 Python 脚本
现在你已经安装了所有必需的软件包，可以通过在工作目录中运行以下命令来运行你的 Python 脚本：
python3 demo_ai.py
执行成功后，您将看到预期的输出结果。.
Output
(python-env) ubuntu@user:~/scripts/python demo_ai.py
The number 5 is an Odd number.
(python-env) ubuntu@user:~/scripts/python demo_ai.py
The number 17 is an Odd number.步骤 5（可选）——使脚本可执行
运行脚本可以直接执行，无需像以前那样通过输入 python3 来显式调用 Python。这使得脚本运行速度更快、更便捷。.
使用文本编辑器打开你的Python脚本。.
nano demo_ai.py
在文件顶部添加 shebang，例如 #!，它会告诉系统在执行脚本时使用哪个解释器。在你的代码之前添加以下这行：
#!/usr/bin/env python3
保存并关闭文件。.
现在，让这个脚本可执行，以便它可以像终端中的任何其他程序或命令一样运行。.
chmod +x demo_ai.py
执行成功后，您将立即看到控件。从现在开始，您可以按如下方式运行脚本：
./demo_ai.py
结果
在 Ubuntu 系统上运行 Python 脚本非常简单。了解如何运行 Python 脚本后，您就可以开始探索 Python 提供的强大工具，包括那些对人工智能开发至关重要的工具。.
