在Ubuntu上搭建Python机器学习框架可按以下步骤进行：

1. 安装基础工具
   更新系统并安装Python和pip：

   sudo apt update  
   sudo apt install python3 python3-pip  
   

   验证安装：

   python3 --version  
   pip3 --version  
   

2. 创建虚拟环境（可选但推荐）
   隔离项目依赖：

   sudo apt install python3-venv  
   python3 -m venv myenv  
   source myenv/bin/activate  
   

3. 安装机器学习库

   • 基础库：NumPy、Pandas、Scikit-learn

     pip install numpy pandas scikit-learn  
     

   • 深度学习框架：
     • TensorFlow：

       pip install tensorflow  
       # 如需GPU支持，安装对应版本并配置CUDA/cuDNN  
       

     • PyTorch：

       pip install torch torchvision torchaudio  
       # 如需GPU支持，安装对应版本并配置CUDA  
       

   • 其他工具：Matplotlib（可视化）、OpenCV（计算机视觉）

     pip install matplotlib opencv-python  
     

4. 验证环境
   运行简单代码测试库是否正常：

   • Scikit-learn示例（线性回归）：

     import numpy as np  
     from sklearn.linear_model import LinearRegression  
     X = np.random.rand(100, 1)  
     y = 2 + 3 * X  
     model = LinearRegression().fit(X, y)  
     print(model.predict([[0.5]]))  
     

   • TensorFlow示例（MNIST分类）：

     import tensorflow as tf  
     from tensorflow.keras import layers  
     (x_train, y_train), _ = tf.keras.datasets.mnist.load_data()  
     x_train = x_train / 255.0  
     model = tf.keras.Sequential([layers.Flatten(), layers.Dense(10, activation='softmax')])  
     model.compile(optimizer='adam', loss='sparse_categorical_crossentropy')  
     model.fit(x_train, y_train, epochs=1)  
     

5. 开发工具（可选）

   • Jupyter Notebook：

     pip install jupyter  
     jupyter notebook  
     

   • VS Code：安装Python扩展，直接运行脚本。

注意事项：

• 深度学习框架需GPU支持时，需提前安装CUDA和cuDNN，并确保版本兼容。
• 可通过pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple切换国内镜像源加速安装。

以上步骤参考自，可根据具体需求调整库的安装组合。