我已经使用this 回答中描述的方法成功安装了 numpy 和 scipy。然后我想添加 scikit-learn，所以一开始我尝试将 scikit-learn==0.11 添加到 requirements.txt 中，当推送到 heroku 时，我收到一条错误消息：
ImportError: liblapack.so.3gf: cannot open shared object file: No such file or directory
所以我已经添加到LD_LIBRARY_PATH 我有liblapack.so.3gf 的路径，但后来我得到了这个：
ImportError: libgfortran.so.3: cannot open shared object file: No such file or directory
我相信heroku没有fortran编译器，但也许我错了。我该如何解决这个问题？
【问题讨论】：
标签： python heroku scikit-learn
如果您像我一样来到这里，在安装 scikit learn 时遇到问题并出现错误，
ImportError: numpy is not installed.
scikit-learn requires numpy >= 1.11.0.
您要做的是检查本地/开发环境的版本，并在部署时使用该特定版本，甚至是 python 版本。
使用 zenpoy 或以下提到的pip freeze。
import scipy
import sklearn
import numpy
print(scipy.__version__)
print(sklearn.__version__)
print(numpy.__version__)
将此版本专门添加到requirements.txt
scipy==1.4.1
scikit-learn==0.22.2.post1
numpy==1.19.5
在heroku 到set the Python runtime 中，将runtime.txt 文件添加到应用的根目录中，声明要使用的确切版本号：
python-3.7.10
【讨论】：
pip freeze
另一个不错的选择是conda buildpack，它允许您将通过 Anaconda/Miniconda 提供的任何免费 Linux64 软件包添加到 Heroku 应用程序。一些最受欢迎的软件包包括 numpy、scipy、scikit-learn、statsmodels 和 pandas。虽然 buildpack 使得将包添加到应用程序变得相当简单，但缺点是 buildback 占用了大量空间，并且您必须等待 Anaconda 更新存储库中的库。
如果您在 Heroku 上启动一个新的 Python 应用程序，您可以使用以下命令添加 conda buildpack：
$ heroku create YOUR_APP_NAME --buildpack https://github.com/kennethreitz/conda-buildpack.git
如果您已经在 Heroku 上设置了 Python 应用程序，您可以使用以下命令将 conda buildpack 添加到现有应用程序：
$ heroku config:add BUILDPACK_URL=https://github.com/kennethreitz/conda-buildpack.git
或者，如果您需要按名称指定应用程序：
$ heroku config:add BUILDPACK_URL=https://github.com/kennethreitz/conda-buildpack.git --app YOUR_APP_NAME
要使用 buildpack，您需要在 app 目录中包含两个文本文件，requirements.txt 和 conda-requirements.txt。与标准 Python buildpack 一样，requirements.txt 文件列出了应该使用 pip 安装的包。 conda-requirements.txt 文件中列出了应使用 conda 安装的软件包。一些最有用的科学软件包包括 numpy、scipy、scikit-learn、statsmodels、pandas 和 cvxopt。可用 conda 包的完整列表可以在 repo.continuum.io 找到。
例如：
$ cat requirements.txt
gunicorn==0.14.2
requests==0.11.1
$ cat conda-requirements.txt
scipy
numpy
cvxopt
就是这样！您现在可以将 Anaconda 包添加到 Heroku 上的 Python 应用程序。
【讨论】：
使用 conda buildpack 并将“nomkl”添加到 conda-requirements.txt 文件以减小 slugsize。
【讨论】：
我在 Python3 上为此创建了一个 buildpack：https://github.com/dwnld/heroku-buildpack-python3-sklearn
【讨论】：
基于这些指示，我刚刚在 heroku 上完成了 scikit-learn 的安装。我很高兴看到不需要获取自定义二进制文件，但是设置一些环境就可以了：)
您可以在我的 wyn buildpack 的 fork 中找到额外的自定义步骤： https://github.com/ToonTimbermont/heroku-buildpack-python
关键是为 LD_LIBRARY_PATH 设置正确的值：
export LD_LIBRARY_PATH=$(pwd)/vendor/lib:$(pwd)/vendor/lib/atlas- base:$(pwd)/vendor/lib/atlas-base/atlas
我还将这些路径添加到 heroku 配置中：
heroku config:add LD_LIBRARY_PATH=/app/.heroku/vendor/lib/atlas-base/atlas:/app/.heroku/vendor/lib/atlas-base:/app/.heroku/vendor/lib/
【讨论】：
您也许可以在应用程序本身中打包您需要的所有库，但更优雅的解决方案是在 git 上克隆 Heroku Python Buildpack，并对其进行修改以包含这些库。然后，您可以指示您的应用在命令行客户端上使用带有 --buildpack 标志的修改后的 buildpack。
编辑：我最初没有点击其他答案，但听起来您已经在使用自定义 buildpack。您正在使用的 buildpack 有多种 custom steps，可下载 custom binaries。二进制文件在 64 位 Debian 下编译。
您应该能够剖析 buildpack 正在使用的其他自定义二进制文件之一，以找出 --prefix，您可以使用它 ./configure 并构建您想要的额外库。这并不简单或方便，但它应该与 numpy 和 scipy 的工作方式相同。
【讨论】：