Korak po korak vodič za postavljanje Pythona za potpuno početnika
Svoj vlastiti projekt Data Science ili Deep Learning ovih dana možete kodirati u samo nekoliko redaka koda. To nije pretjerivanje; mnogi programeri vani naporno su napisali tone koda da bismo ih mi mogli koristiti, tako da sve što trebamo učiniti je plug-and-play umjesto pisanja koda ispočetka.
Možda ste vidjeli ovaj kôd na blogovima Data Science / Deep Learning. Možda ste možda pomislili: "Pa, ako je stvarno tako lako, zašto to onda ne bih i sam isprobao?"
Ako ste početnik Pythona i želite krenuti na ovo putovanje, ovaj će vas post voditi kroz vaše prve korake. Česta zamjerka koju čujem od potpunih početnika je da je prilično teško postaviti Python. Kako uopće započeti sve kako bismo mogli uključiti i reproducirati Data Science ili Deep Learning kod?
Ovaj će vas post-korak-korak voditi kroz postupak postavljanja Pythona za vaše projekte Data Science i Deep Learning. Hoćemo:
- Postavite Anacondu i Jupyterovu bilježnicu
- Stvorite Anaconda okruženja i instalirajte pakete (kod koji su drugi napisali kako bi nam izuzetno olakšali život) poput tensorflow-a, kerasa, pandi, scikit-learn i matplotlib.
Nakon što postavite gore navedeno, možete izgraditi svoju prvu neuronsku mrežu za predviđanje cijena kuća u ovom vodiču ovdje:
Izgradite svoju prvu neuronsku mrežu kako biste s Kerasom predviđali cijene kuća
Postavljanje bilježnice Anaconda i Jupyter
Glavni programski jezik koji ćemo koristiti zove se Python, koji je najčešći programski jezik koji koriste praktičari dubokog učenja.
Prvi korak je preuzimanje Anaconde, koju možete smatrati platformom za korištenje Pythona "iz kutije".
Posjetite ovu stranicu: //www.anaconda.com/distribution/ i pomaknite se prema dolje da biste vidjeli ovo:
Ovaj je vodič posebno napisan za korisnike Windowsa, ali upute za korisnike drugih operativnih sustava nisu toliko različite. Svakako kliknite "Windows" kao svoj operativni sustav (ili bilo koji OS na kojem ste) kako biste bili sigurni da preuzimate ispravnu verziju.
U ovom će se priručniku koristiti Python 3, pa kliknite zeleni gumb Preuzmi pod „Python 3.7 verzija“. Trebalo bi se pojaviti skočni prozor da kliknete "Spremi" u bilo koji direktorij koji želite.
Nakon završetka preuzimanja, samo korak po korak prođite kroz postavljanje kako slijedi:
Nakon što je instalacija gotova, idite na svoj izbornik Start i trebali biste vidjeti neki novoinstalirani softver:
Kliknite Anaconda Navigator, koji je jedinstveno središte za kretanje po potrebnim aplikacijama. Trebali biste vidjeti naslovnu stranicu poput ove:
Kliknite "Pokreni" ispod Jupyter bilježnice, koja je druga ploča na mom gornjem zaslonu. Jupyter Bilježnica omogućuje nam interaktivno pokretanje Python koda na web pregledniku i na njemu ćemo pisati većinu svog koda.
Trebao bi se otvoriti prozor preglednika s popisom vašeg direktorija. Na svom radnom stolu stvorit ću mapu pod nazivom "Intuitivni vodič za duboko učenje". Ako dođete do mape, vaš bi preglednik trebao izgledati otprilike ovako:
U gornjem desnom kutu kliknite Novo i odaberite “Python 3”:
Pojavio bi se novi prozor preglednika poput ovog.
Čestitamo - stvorili ste svoju prvu Jupyterovu bilježnicu! Sad je vrijeme da napišemo neki kod. Jupyterove bilježnice omogućuju nam da napišemo isječke koda, a zatim ih pokrenemo bez pokretanja cijelog programa. To nam pomaže da možda pogledamo bilo koji međuprodukt iz našeg programa.
Za početak napišimo kod koji će prikazati neke riječi kad ga pokrenemo. Ova se funkcija naziva ispis . Kopirajte i zalijepite donji kod u sivi okvir vaše Jupyterove bilježnice:
print("Hello World!")Vaša bilježnica trebala bi izgledati ovako:
Sada pritisnite tipku Alt-Enter na tipkovnici da biste pokrenuli taj isječak koda:
Možete vidjeti da je Jupyterova bilježnica prikazivala riječi "Hello World!" na ploči zaslona ispod isječka koda! Broj 1 također je ispunio uglate zagrade, što znači da je ovo prvi isječak koda koji smo do sada pokrenuli. To će nam pomoći da pratimo redoslijed kojim smo pokrenuli svoje isječke koda.
Umjesto Alt-Enter, imajte na umu da možete kliknuti i Run kad je istaknut isječak koda:
Ako želite stvoriti nove sive blokove za pisanje više isječaka koda, to možete učiniti pod Umetni.
Jupyter Bilježnica također vam omogućuje da umjesto koda napišete normalan tekst. Kliknite padajući izbornik na kojem trenutno piše "Code" i odaberite "Markdown":
Sada naš sivi okvir koji je označen kao umanjenje neće imati uglate zagrade pored sebe. Ako sada u ovaj sivi okvir napišete neki tekst i pritisnete Alt-Enter, tekst će ga prikazati kao običan tekst poput ovog:
Postoje još neke značajke koje možete istražiti. Ali sada smo postavili Jupyterovu bilježnicu da počnemo pisati neki kod!
Postavljanje okruženja Anaconda i instaliranje paketa
Sada smo postavili našu platformu za kodiranje. Ali hoćemo li napisati kôd za duboko učenje od nule? Čini se da je to izuzetno teško učiniti!
Dobra vijest je da su mnogi drugi napisali kôd i stavili ga na raspolaganje nama! Uz doprinos tuđeg koda možemo se poigrati s modelima dubokog učenja na vrlo visokoj razini, a da se ne brinemo hoće li ih sve implementirati od nule. To nam izuzetno olakšava početak kodiranja modela dubokog učenja.
Za ovaj tutorial preuzet ćemo pet paketa koje praktičari dubokog učenja obično koriste:
- Tenzor protok
- Keras
- Pande
- Scikit-nauči
- Matplotlib
Prvo što ćemo učiniti je stvoriti Python okruženje. Okruženje je poput izolirane radne kopije Pythona, tako da sve što radite u svom okruženju (poput instaliranja novih paketa) neće utjecati na druga okruženja. Dobra je praksa stvoriti okruženje za svoje projekte.
Kliknite na Okruženja na lijevoj ploči i trebali biste vidjeti ovakav zaslon:
Kliknite gumb "Stvori" na dnu popisa. Trebao bi se pojaviti skočni prozor poput ovog:
Nazovite svoje okruženje i odaberite Python 3.7, a zatim kliknite Stvori. Ovo bi moglo potrajati nekoliko trenutaka.
Kad to završite, zaslon bi trebao izgledati otprilike ovako:
Primijetite da smo stvorili okruženje "intuitivno i duboko učenje". Možemo vidjeti koje smo pakete instalirali u ovom okruženju i njihove verzije.
Ajmo sada instalirati neke pakete koji su nam potrebni u naše okruženje!
Prva dva paketa koja ćemo instalirati nazivaju se Tensorflow i Keras, a koji nam pomažu u plug-and-play kodu za dubinsko učenje.
Na Anaconda Navigatoru kliknite padajući izbornik na kojem trenutno piše "Instalirano" i odaberite "Nije instalirano":
Čitav popis paketa koje niste instalirali pojavit će se ovako:
Potražite "tensorflow" i kliknite potvrdni okvir za "keras" i "tensorflow". Zatim kliknite "Primijeni" u donjem desnom dijelu zaslona:
Skočni prozor trebao bi se pojaviti ovako:
Kliknite Primijeni i pričekajte nekoliko trenutaka. Nakon što to učinimo, instalirat ćemo Keras i Tensorflow u našem okruženju!
Koristeći istu metodu, instalirajmo pakete 'pandas', 'scikit-learn' i 'matplotlib'. To su uobičajeni paketi koje znanstvenici podataka koriste za obradu podataka kao i za vizualizaciju lijepih grafova u Jupyterovoj bilježnici.
To je ono što biste trebali vidjeti na svom Anaconda Navigatoru za svaki od paketa.
Pande:
Scikit-learn:
Matplotlib:
Kad završite, vratite se na "Početna" na lijevoj ploči Anaconda Navigatora. Trebali biste vidjeti ovakav zaslon, gdje na vrhu stoji "Aplikacije na intuitivnom i dubokom učenju":
Sada u ovo okruženje moramo instalirati Jupyterovu bilježnicu. Dakle, kliknite zeleni gumb "Instaliraj" ispod logotipa Jupyterove bilježnice. Trebat će nekoliko trenutaka (opet). Nakon završetka instalacije, ploča Jupyterovog prijenosnog računala trebala bi izgledati ovako:
Kliknite na Pokreni i trebala bi se otvoriti aplikacija Jupyter notebook.
Stvorite bilježnicu i unesite ovih pet isječaka koda te kliknite Alt-Enter. Ovaj kod bilježnici govori da ćemo koristiti pet paketa koje ste instalirali s Anaconda Navigatorom ranije u vodiču.
import tensorflow as tfimport kerasimport pandasimport sklearnimport matplotlibAko nema pogrešaka, čestitamo - sve ste ispravno instalirali:
Sad kad smo sve postavili, ovdje ćemo početi graditi svoju prvu neuronsku mrežu:
Izgradite svoju prvu neuronsku mrežu kako biste s Kerasom predviđali cijene kuća
Potpuni vodič za početnike za izgradnju vaše prve neuronske mreže u nekoliko redaka koda poput Deep ... medium.com
Ako ste imali problema s bilo kojim od gore navedenih koraka, slobodno komentirajte u nastavku i ja ću vam pomoći!
O autoru:
Bok, ja sam Joseph! Nedavno sam diplomirao na Sveučilištu Stanford, gdje sam radio s Andrewom Ngom u Stanfordskoj grupi za strojno učenje. Želim koncepte dubokog učenja učiniti što intuitivnijim i što lakše razumljivim svima, što je motiviralo moju publikaciju: Intuitivno duboko učenje.