Nano Hash - криптовалюты, майнинг, программирование

Не удалось установить RCall - пакет Julia

Следуя документации RCall, я запустил Pkg.add("RCall"), который, похоже, работал. Затем запуск using RCall дал:

WARNING: could not import StatsModels.Formula into RCall
ERROR: LoadError: RCall not properly installed. Please run Pkg.build("RCall")
#... few lines later
ERROR: Failed to precompile RCall [6f49c342-dc21-5d91-9882-a32aef131414] to C:\Users\jke4\.julia\compiled\v1.1\RCall\8GFyb.ji.

Вот почему я запустил Pkg.build("RCall"):

┌ Error: Error building `RCall`:
│ ERROR: LoadError: R cannot be found. Set the "R_HOME" environment variable to re-run Pkg.build("RCall").

Я считаю, что в соответствии с документацией RCall я должен сделать выборочная установка, но почему я не могу просто установить с помощью Pkg.add("RCall"), как будто это должно быть сделано?

RCall.jl можно просто установить с помощью

Pkg.add("RCall")

Примечание:

  • Версия Юлии - 1.1.0.
  • using Conda действительно работает.
  • На моем компьютере с Windows не установлена ​​версия R
  • Я понимаю, в чем заключается мое сообщение об ошибке и как с этим бороться. У меня вопрос, почему он у меня есть, хотя я и не предполагал, цитируя документацию RCall:

RCall.jl автоматически установит R для вас с помощью Conda, если он не обнаружит, что у вас уже установлена ​​R 3.4.0 или более поздняя версия.

Обновлять

Хорошо, я сделал то, что предлагает @Cameron Bieganek: pkg> pin [email protected] И, похоже, на мгновение это сработает. Однако после выполнения ] up, в соответствии с проблемой, возникшей у меня в этот вопрос.

using RCall теперь дает:

ERROR: LoadError: RCall not properly installed. Please run Pkg.build("RCall")

и Pkg.build("RCall"):

┌ Error: Error building `RCall`:
│ ERROR: LoadError: IOError: stat: invalid argument (EINVAL)

На этот раз я не могу понять, в чем ошибка.

GitHub

Обратите внимание, что на этот вопрос также есть ссылка на GitHub RCall.jl.

01.07.2019

  • Так, может быть, Джулии не удается найти Конду? 01.07.2019
  • Хм, да может, как это проверить? Я упоминаю в вопросе, что using Conda не возвращает ошибок. Может, Джулии следовало сказать мне, что он не находит Конду? Это будет понятнее, чем текущие ошибки? Спасибо за ваши комментарии :) 01.07.2019
  • Вы просматривали результаты поиска SO на [julia] [conda]? Первая пара, на которую я посмотрел, оказалась потенциально полезной. Я не являюсь пользователем julia или conda, но впечатление, которое у меня сложилось от пары, которую я прочитал, предполагает, что conda должна быть установлена ​​в зависимой части дерева каталогов julia. Может, вы их отдельно устанавливали? 01.07.2019
  • Сегодня я столкнулся с той же проблемой. Я думаю, это связано с недавним обновлением StatsModels.jl. Возможно, RCall.jl не имеет правильных ограничений на версию StatsModels.jl, чтобы не пытаться использовать v0.6 StatsModels? Попробуйте исправить StatsModels.jl до v0.5, используя что-то вроде pkg> add [email protected] в диспетчере пакетов. 02.07.2019
  • Или может pkg> pin [email protected]. 02.07.2019
  • @CameronBieganek Хорошо, спасибо, что на мгновение сработало. Я обновил свой вопрос, потому что проблема не исчезла. 02.07.2019

Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..