AutoGluon 快速安装指南4 条命令装完表格、多模态与时间序列的 AutoML 框架【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluonAutoGluon 是一个自动化机器学习框架覆盖表格、图像文本多模态、时间序列三大类任务给一份数据它自动完成模型选择、训练和集成3 行代码就能产出可用模型。它支持 Python 3.10–3.13 和 Linux、macOS、Windows 三大系统。本文按环境而非系统把安装拆成 5 条路线你按决策表选行照抄命令4 条命令内装完。先选路线再动手你的环境推荐方案对应小节Linux无 GPUpip 全量 CPU 安装Linux CPU 路线Linux/Windows带 NVIDIA GPUpip 全量 GPU 安装GPU 路线MacIntel 芯片Homebrew 补 libomp pipMac 路线WindowsAnaconda 隔离环境 pipWindows 路线只需要表格/多模态/时序中的一项单模块安装按需选依赖单模块路线前提统一Python 3.10、3.11、3.12 或 3.13。官方完整入口见 docs/install.md。Linux CPU 路线3 条命令装完全量 AutoGluon适用无 GPU 的服务器官方推荐 pip 渠道conda 依赖差异可能影响性能。pip install -U pip pip install -U setuptools wheel pip install autogluon --extra-index-url https://download.pytorch.org/whl/cpu⚠️ 第 3 条的--extra-index-url指定 PyTorch 走 CPU 版漏掉它会顺带装进数 GB 的 CUDA 依赖。官方文档docs/install-cpu-pip.mdGPU 路线装 AutoGluon 并保留 PyTorch 的 CUDA 支持适用带 NVIDIA GPU 的机器前提是驱动版本足够新、Python 在上述范围内。pip install -U pip pip install -U setuptools wheel pip install autogluon⚠️ GPU 版不加 extra-index-url装完第一件事是核对 PyTorch 的 CUDA 版本与驱动匹配。官方文档docs/install-gpu-pip.mdMac 路线CPU 安装前先补一条 libomp适用 Intel Mac 的 pip 安装依赖链里 LightGBM 的多线程需要 libomp 运行库。brew install libomp pip install -U pip pip install -U setuptools wheel pip install autogluon --extra-index-url https://download.pytorch.org/whl/cpu⚠️ 跳过第 1 条LightGBM 运行时会报缺符号错误这是 Mac 独有的坑。官方文档docs/install-mac-cpu.mdWindows 路线Anaconda 环境隔离后再跑 3 条 pip适用 Windows官方建议一律走 Anaconda避免和系统 Python 混装。conda create -n myenv python3.11 -y conda activate myenvpip install -U pip pip install -U setuptools wheel pip install autogluon --extra-index-url https://download.pytorch.org/whl/cpu⚠️ 命令要在 Anaconda Prompt 里执行装错解释器就会出现装上了但 import 不到。官方文档docs/install-windows-cpu.md单模块路线只装你要的那块功能AutoGluon 是模块化打包的只跑表格任务就只装 tabular依赖更少。pip install autogluon.tabular[lightgbm,catboost]多模态换pip install autogluon.multimodal时间序列换pip install autogluon.timeseries。注意 autogluon.tabular 单独装默认是骨架包要完整功能用[all]后缀。官方文档docs/install-modules.md跑通这 5 行才算装好from autogluon.tabular import TabularDataset, TabularPredictor train TabularDataset(https://autogluon.s3.amazonaws.com/datasets/Inc/train.csv) predictor TabularPredictor(labelclass).fit(train, time_limit60) print(predictor.leaderhead())预期60 秒训练结束后打印一张各模型的验证分数排行表第一行就是最终选中的模型。✅三个高频报错一分钟修完Windows 权限报错现象pip install提示权限不足或装完立刻ModuleNotFoundError。原因装到了系统 Python当前环境不在 Anaconda 环境里。解法命令conda create -n myenv python3.11 -y conda activate myenv再重跑 pip 三步。Apple 芯片装不上现象pip 找不到 arm64 的 wheel或 lightgbm 一 import 就崩溃。原因M1/M2 芯片官方走 conda-forge 渠道通用 pip 源没有对应构建。解法命令conda install -c conda-forge autogluonGPU 识别但 CUDA 不匹配现象torch.cuda.is_available()返回 False或加载模型报 CUDA 版本错误。原因PyTorch 编译时的 CUDA 版本和机器上的工具包对不上。解法命令先python -c import torch; print(torch.version.cuda)查版本再按对应源重装如pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu121。接下来看什么装完直接上手新手先跟一遍快速开始教程 docs/tutorials/tabular/tabular-quick-start.ipynb跑通一个完整表格任务日常查参数翻速查表 docs/cheatsheet.md想读可运行的完整脚本看 examples/tabular/example_simple_tabular.py进阶多模态用法见 docs/tutorials/multimodal/index.md。【免费下载链接】autogluonFast and Accurate ML in 3 Lines of Code项目地址: https://gitcode.com/GitHub_Trending/au/autogluon创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考