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

Z Brain-wiki
m
Linia 7: Linia 7:
 
== Instalacja==
 
== Instalacja==
 
* 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:
+
<source lang = bash>
<nowiki>
+
cd _work_/
 +
mkdir conda
 +
cd ~/
 +
ln -sf _work_/conda/.conda
 +
</source>
 +
 
 +
<source lang = bash>
 +
cd _work_/
 +
mkdir ML_2018
 +
cd ML_2018
 +
</source>
 +
 
 +
* w katalogu ML_2018 utworz plik tekstowy o nazwie: <tt>pakiety.txt</tt> o następującej zawartości:
 +
 
 +
<nowiki>
 
numpy==1.14.0
 
numpy==1.14.0
 
scipy==1.0.0
 
scipy==1.0.0
 
matplotlib==2.1.1  
 
matplotlib==2.1.1  
 
scikit-learn==0.19.1
 
scikit-learn==0.19.1
tensorflow==1.5.0
+
tensorflow==1.4.1
 
keras==2.1.3
 
keras==2.1.3
 
pandas==0.22.0
 
pandas==0.22.0
plotly==2.3.0
+
plotly==2.2.2
 
seaborn==0.8.1
 
seaborn==0.8.1
 
</nowiki>
 
</nowiki>
  
* Przechodzimy do folderu z requirements.txt
+
 
* W konsoli wykonujemy kolejne linijki:
+
 
* tworzymy wirtualne środowisko, będzie ono żyło w katalogu ENV:
+
W konsoli wykonujemy kolejne linijki:
 +
* tworzymy wirtualne środowisko, będzie ono żyło w katalogu ML:
 
<source lang = bash>
 
<source lang = bash>
virtualenv -p python3 ENV
+
conda create -p ~/_work_/ML_2018/ML --file pakiety.txt
 
</source>
 
</source>
 +
 
*  uruchamiamy wirtualne środowisko:
 
*  uruchamiamy wirtualne środowisko:
 
<source lang = bash>
 
<source lang = bash>
source ENV/bin/activate
+
source activate ~/_work_/ML_2018/ML
 
</source>
 
</source>
* uaktualniamy pip:
+
 
<source lang = bash>
+
* doinstalowujemy pakiet do przełączania kernel dla notebooka:
pip install --upgrade pip
 
</source>
 
* instalujemy biblioteki w wersjach podanych w pliku txt:
 
<source lang = bash>
 
pip install -r requirements.txt
 
</source>
 
* zgłaszamy ENV jako możliwy 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 ==

Wersja z 15:40, 23 lut 2018

Uczenie_maszynowe_i_sztuczne_sieci_neuronowe_cw

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

  • 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 ENV wpisujemy:
source ENV/bin/activate
  • By skończyć prace ze środowiskiem wpisujemy:
deactivate