كيفية تشغيل سكربت بايثون على أوبونتو

التقديم

ومع زيادة معدل استخدام المعدات التي تبني تقنية الاعتماد على الآلة الذاتية مع المطورين، أظهرت بيتون واحدة من أفضل اللغات البرمجية للتعلم الآلي بسبب بساطتها وقابليتها للقراءة والمتاحفزات الواسعة مثل تيسنرفول، بايتورش، وسكيكيت-ليرن. توفر هذه المتاحفزات أدوات قوية للتعلم الآلي، والتحليل البياني، والشبكات العصبية، مما يجعل بيتون خيار رئيسي لمشاريع التعلم الآلي والمعدلات الآلية.

ومن خلال دور بيتون في التعلم الآلي، من المهم أن تتعلم كيفية تشغيل 脚本 البيتون بالكفاءة. هذا التوريتال صُمم لمساعدتك على بدء تشغيل عقود بيتون بسيطة على جهاز أوبونتو ، موجب تأسيس أساس لتكوين تشغيل البيتون المتقدم.

الأحتياجات السابقة

ولتتبع هذا التوريتال، سيتوجب عليك:

• خواد يعمل بالإستخدام مع مستخدم غير رئيسي بممتلكات sudo وجراء إيقاف قاعدة الوصول.

• معرفة معهية الخط السطري لللينكس. إذا كنت تحتاج إلى مقدمة أو تجديد للخط السطري، يمكنك الذهاب إلى هذه الدراسة عن مقدمة لخط السطري اللينكسي.

• قبل البدء، قم بتشغيل sudo apt-get update في محرر Ubuntu لضمان أن لديك أحدث إصدارات وتحديدات أمنية للبرمجيات المتوفرة في المخزونات المضافة على نظامك.

تشغيل script Python على Ubuntu

• إنشاء بيئة Python
• إنشاء script Python
• تثبيت الحزم المطلوب
• تشغيل 脚本 Python
• جعل السكريبت قابلة للتنفيذ

خطوة 1 – إعداد 环境 Python

Ubuntu 24.04 يتم شحن Python 3 بشكل إفتراضي. افتح المستودع وقم بتنفيذ الأمر التالي لتأكد من تثبيت Python 3:

python3 --version

إذا كان Python 3 متوفرًا بالحاسوب الخاص بك بالفعل، سيعيد هذا الأمر إظهار 版本 التثبيت الحالي لـ Python 3. في حالة عدم وجود التثبيت بالحاسوب، يمكنك تنفيذ الأمر التالي لتثبيت Python 3:

sudo apt install python3

من ثم، يتوجب عليك تثبيت مثالي pip موجه التثبيت الحزم على نظامك:

sudo apt install python3-pip

خطوة 2 – إنشاء سكريبت Python

الخطوة التالية هي كتابة البرمجيات البيتونية التي تريد تنفيذها. لإنشاء جدول جديد، تحرك إلى قاعدة توفر إختيارك:

cd ~/path-to-your-script-directory

حينما تكون داخل القاعدة، يتوجب عليك إنشاء ملف جديد. في المحطة البينية، قم بتنفيذ الأوامر التالية:

nano demo_ai.py

هذا الأمر سيفتح محرر من المحرر النصي. قم بكتابة تشريحك هنا أو قم بنسخ البرمجيات التالية:

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.")

هذا النص يولد مصدر بسيط للتصنيف التنظيمي باستخدام مكتبة scikit-learn. يتم تدريب النموذج لتتمكن من تعرف الأعداد الأولية والبعدية بناءاً على البيانات المنتجة عشوائيًا. ويتم إجراء تنبؤ بناءاً على ما تعلم به المعرفة للعدد المعطى.

حفظ وخرج من المحرر النصي.

Step 3 – Install Required Packages

في هذه الخطوة ست Instalar las paquetes que has usado en el script de abajo.

El primer paquete que necesitas instalar es NumPy. Usaste esta biblioteca para crear un conjunto de datos para entrenar al modelo de aprendizaje automático.

لتثبيت واستخدام numpy بنجاح، يتوجب عليك إنشاء بيئة افتراضية تحايد برامجك البرمجية عن البيئة النظامية. وهذا يحمل أهمية لأنه يحافظ على متوافرات ال依存 المطلوبة لمشاريع مختلفة بعيدًا عن بعضها البعض ويتجنب التصادمات ممكنة بين 版本 التعبيرات.

أولًا، تثبيت virtualenv بتنفيذ:

sudo apt install python3-venv

ومن ثم، استخدم هذا الأداة لإنشاء بيئة افتراضية داخل ديركتوريك العمل الخاص بك.

python3 -m venv python-env

الخطوة التالية هي تفعيل هذه البيئة الافتراضية بتنفيذ 脚本 التفعيل.

source python-env/bin/activate

وبعد التنفيذ، ستلاحظ التوقف المسبق للمحتوى الأولي بـ

Output
(python-env) ubuntu@user:

الآن، تثبيت الحزم المطلوبة بتنفيذ:

pip install scikit-learn numpy

خطوة 4 – تشغيل 脚本 Python

الآن بعد أن أصبح لديك جميع الحزم المطلوبة في مكانها، يمكنك تشغيل برنامج Python الخاص بك عن طريق تنفيذ الأمر التالي داخل دليل العمل الخاص بك:

python3 demo_ai.py

عند التنفيذ الناجح، سترى النتيجة المطلوبة.

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.

الخطوة 5 [اختياري] – جعل البرنامج قابلاً للتنفيذ

جعل البرنامج قابلاً للتنفيذ يسمح لك بتشغيله مباشرة دون الحاجة إلى استدعاء Python بشكل صريح عن طريق كتابة python3. هذا يجعل تشغيل البرنامج أسرع وأكثر راحة.

افتح برنامج Python الخاص بك باستخدام محرر نصوص.

nano demo_ai.py

في أعلى الملف، أضف سطر shebang أي #! الذي يخبر النظام بأي مفسر يجب استخدامه عند تنفيذ البرنامج. أضف السطر التالي قبل شيفرتك:

#!/usr/bin/env python3

احفظ وأغلق الملف.

الآن، اجعل هذا البرنامج قابلاً للتنفيذ للسماح له بالتشغيل مثل أي برنامج أو أمر آخر في الطرفية.

chmod +x demo_ai.py

عند التنفيذ الناجح، سترى أن التحكم عاد إليك فوراً. بدءًا من الآن، يمكنك ببساطة تشغيل برنامجك كما يلي:

./demo_ai.py

الخاتمة

تنفيذ scripts Python على آلة Ubuntu هو عملية بسيطة. من خلال فهم كيفية تنفيذ الscripts Python يمكنك بدء الاستكشاف في الأدوات القوية التي يقدمها Python بما فيها التي تتطلبها التطوير التعلمي الخاص بالأينترنت.