企业官网建设流程全解析

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/autogluon

AutoGluon 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

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.md

GPU 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.md

Mac 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.md

Windows 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 python=3.11 -y conda activate myenv

pip 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(label='class').fit(train, time_limit=60) 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 python=3.11 -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 autogluon

GPU 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