Uczenie maszynowe i sztuczne sieci neuronowe/konfiguracja: Różnice pomiędzy wersjami

Z Brain-wiki
(Utworzono nową stronę "= Środowisko wirtualne = Aby zapewnić sobie komplet zgodnych bibliotek i niezależność tworzonych tu projektów od zmian tych bibliotek, wygodnie jest stworzyć wir...")
 
m
 
(Nie pokazano 7 pośrednich wersji utworzonych przez tego samego użytkownika)
Linia 1: Linia 1:
 +
Przejście do [[Uczenie_maszynowe_i_sztuczne_sieci_neuronowe|Wykładów]]
 +
 
= Środowisko wirtualne =  
 
= Środowisko wirtualne =  
 
Aby zapewnić sobie komplet zgodnych bibliotek i niezależność tworzonych tu projektów od zmian tych bibliotek, wygodnie jest stworzyć wirtualne środowisko.
 
Aby zapewnić sobie komplet zgodnych bibliotek i niezależność tworzonych tu projektów od zmian tych bibliotek, wygodnie jest stworzyć wirtualne środowisko.
Linia 4: Linia 6:
  
 
== Instalacja==
 
== Instalacja==
 +
* Aby korzystać z tego Pythona trzeba sobie wpisać do pliku <tt>~/.bashrc</tt> następujące linijki:
 +
 +
    unset PYTHONHOME
 +
    export PATH="/work/anaconda3/bin:$PATH"
 +
 +
a następnie wykoać w konsoli polecenie:
 +
<source lang = bash>
 +
source ~/.bashrc
 +
</source>
 +
 
* W katalogu _work_ wytwórz katalog na materiały z ćwiczeniami z UM.
 
* W katalogu _work_ wytwórz katalog na materiały z ćwiczeniami z UM.
−
* w katalogu tym wytwórz plik tekstowy o nazwie: <tt>requirements.txt</tt> o następującej zawartości:
 
−
<nowiki>
 
−
numpy==1.14.0
 
−
scipy==1.0.0
 
−
matplotlib==2.1.1
 
−
scikit-learn==0.19.1
 
−
tensorflow==1.5.0
 
−
keras==2.1.3
 
−
pandas==0.22.0
 
−
plotly==2.3.0
 
−
seaborn==0.8.1
 
−
</nowiki>
 
−
 
−
* Przechodzimy do folderu z requirements.txt
 
−
* W konsoli wykonujemy kolejne linijki:
 
−
* tworzymy wirtualne środowisko, będzie ono żyło w katalogu ENV:
 
 
<source lang = bash>
 
<source lang = bash>
−
virtualenv -p python3 ENV
+
cd _work_/
 +
mkdir conda
 +
cd ~/
 +
ln -sf _work_/conda/ .conda
 
</source>
 
</source>
−
*  uruchamiamy wirtualne środowisko:
+
 
 
<source lang = bash>
 
<source lang = bash>
−
source ENV/bin/activate
+
cd _work_/
 +
mkdir ML_2018
 +
cd ML_2018
 
</source>
 
</source>
−
* uaktualniamy pip:
+
 
 +
* w katalogu ML_2018 utworz plik tekstowy o nazwie: <tt>pakiety.txt</tt> o następującej zawartości:
 +
 
 +
 
 +
numpy==1.14.0
 +
scipy==1.0.0
 +
matplotlib==2.1.1
 +
scikit-learn==0.19.1
 +
tensorflow==1.4.1
 +
keras==2.1.3
 +
pandas==0.22.0
 +
plotly==2.2.2
 +
seaborn==0.8.1
 +
 
 +
 
 +
 
 +
 
 +
W konsoli wykonujemy kolejne linijki:
 +
* tworzymy wirtualne środowisko, będzie ono żyło w katalogu ML:
 
<source lang = bash>
 
<source lang = bash>
−
pip install --upgrade pip
+
conda create -p ~/_work_/ML_2018/ML --file pakiety.txt
 
</source>
 
</source>
−
* instalujemy biblioteki w wersjach podanych w pliku txt:
+
 
 +
* uruchamiamy wirtualne środowisko:
 
<source lang = bash>
 
<source lang = bash>
−
pip install -r requirements.txt
+
source activate ~/_work_/ML_2018/ML
 
</source>
 
</source>
−
* zgłaszamy ENV jako możliwy kernel dla notebooka:
+
 
 +
* doinstalowujemy pakiet do przełączania kernel dla notebooka:
 
<source lang = bash>
 
<source lang = bash>
−
python -m ipykernel install --user --name=ENV
+
conda install nb_conda
 
</source>
 
</source>
 
* Kończymy prace instalacyjne:
 
* Kończymy prace instalacyjne:
 
<source lang = bash>
 
<source lang = bash>
−
deactivate
+
source deactivate
 
</source>
 
</source>
−
 
  
 
== Praca z zainstalowanym środowiskiem ==
 
== Praca z zainstalowanym środowiskiem ==
−
* By uruchomić środowisko stworzone w katalogu ENV wpisujemy:
+
* By uruchomić środowisko stworzone w katalogu ML wpisujemy:
 
<source lang = bash>
 
<source lang = bash>
−
source ENV/bin/activate
+
source activate ~/_work_/ML_2018/ML
 
</source>
 
</source>
  
 
* By skończyć prace ze środowiskiem wpisujemy:
 
* By skończyć prace ze środowiskiem wpisujemy:
 
<source lang = bash>
 
<source lang = bash>
−
deactivate
+
source deactivate
 
</source>
 
</source>

Aktualna wersja na dzień 12:35, 4 paź 2018

Przejście do Wykładów

Środowisko wirtualne

Aby zapewnić sobie komplet zgodnych bibliotek i niezależność tworzonych tu projektów od zmian tych bibliotek, wygodnie jest stworzyć wirtualne środowisko. Poniżej opisane są kroki prowadzące do stworzenia takiego środowiska na potrzeby zajęć z Uczenia maszynowego (UM).

Instalacja

  • Aby korzystać z tego Pythona trzeba sobie wpisać do pliku ~/.bashrc następujące linijki:
   unset PYTHONHOME
   export PATH="/work/anaconda3/bin:$PATH"

a następnie wykoać w konsoli polecenie: 

source ~/.bashrc
  • W katalogu _work_ wytwórz katalog na materiały z ćwiczeniami z UM.
cd _work_/
mkdir conda
cd ~/
ln -sf _work_/conda/ .conda

cd _work_/
mkdir ML_2018
cd ML_2018
  • w katalogu ML_2018 utworz plik tekstowy o nazwie: pakiety.txt o następującej zawartości:


numpy==1.14.0
scipy==1.0.0
matplotlib==2.1.1 
scikit-learn==0.19.1
tensorflow==1.4.1
keras==2.1.3
pandas==0.22.0
plotly==2.2.2
seaborn==0.8.1



W konsoli wykonujemy kolejne linijki:

  • tworzymy wirtualne środowisko, będzie ono żyło w katalogu ML:
conda create -p ~/_work_/ML_2018/ML --file pakiety.txt
  • uruchamiamy wirtualne środowisko:
source activate ~/_work_/ML_2018/ML
  • doinstalowujemy pakiet do przełączania kernel dla notebooka:
conda install nb_conda
  • Kończymy prace instalacyjne:
source deactivate

Praca z zainstalowanym środowiskiem

  • By uruchomić środowisko stworzone w katalogu ML wpisujemy:
source activate ~/_work_/ML_2018/ML
  • By skończyć prace ze środowiskiem wpisujemy:
source deactivate
Źródło: „http://brain.fuw.edu.pl/edu/index.php?title=Uczenie_maszynowe_i_sztuczne_sieci_neuronowe/konfiguracja&oldid=7885”