Пакеты, библиотеки и IDE для машинного обучения
Для машинного обучения требуется несколько модулей и библиотек Python.
- Anaconda⇒Он предоставляет более 1500 пакетов обработки данных Python/R, которые подходят для разработки моделей машинного и глубокого обучения.
- SciPy⇒SciPy — это библиотека Python с открытым исходным кодом, которая используется для решения научных и математических задач.
- NumPy⇒ Для научных расчетов
- Matplotlib⇒Для построения двух- и трехмерных графиков
- Pandas⇒ Фрейм данных
- Scikit-learn⇒Алгоритмы машинного обучения, предварительная обработка данных, прогнозное построение моделей и тестирование производительности и многое другое
- Jupyter Notebook⇒Для машинного обучения для построения моделей. Блокнот Jupyter ранее был известен как Блокнот IPython. В случае Jupyter Notebook документами можно делиться. Вывод каждой команды или пакета команд может быть опубликован через документ. Еще одним большим преимуществом является то, что Jupyter Notebook полностью поддерживает форматирование Markdown. При желании вы можете записать разговор в формате Markdown в виде заметок.
Загрузка и установка
- Скачать питон
- Скачать Анаконду
- Откройте окно командной строки
- Подтвердите, что conda установлена правильно, набрав:
конда -V
- Подтвердите, что Python установлен правильно, набрав:
py -V
- Подтвердите, что ваша среда conda обновлена, введите:
конда обновление конда
- Подтвердите свою среду SciPy. Ключевые библиотеки SciPy, необходимые для разработки машинного обучения, в частности: SciPy, NumPy, Matplotlib, Pandas, Statsmodels и Scikit-learn.
- Установить Scipy и NumPy
py -m pip установить scipy
py -m pip установить -U matplotlib
пип установить панды
py -m pip установить статистические модели
py -m pip установить scikit-learn
Теперь, чтобы проверить версии, откройте блокнот, скопируйте и вставьте следующий скрипт и сохраните файл как version.py.
# сципи
импорт scipy
print('scipy: %s' % scipy.__version__)
# пустышка
импортировать numpy
print('numpy: %s' % numpy.__version__)
# матплотлиб
импортировать matplotlib
print(‘matplotlib: %s’ % matplotlib.__version__)
# панды
импортировать панд
print('панды: %s' % pandas.__version__)
# статистические модели
импортировать статистические модели
print(‘statsmodels: %s’ % statsmodels.__version__)
# scikit-learn
импортировать sklearn
print('sklearn: %s' % sklearn.__version__)
Теперь, чтобы запустить файл в командной строке, перейдите в каталог, в котором вы сохранили скрипт, и введите
- py версии.py
Вы должны увидеть вывод, подобный следующему
scipy: 1.10.1
numpy: 1.24.2
matplotlib: 3.7.1
pandas: 1.5.3
statsmodels: 0.13.5
sklearn: 1.2.2
- Обновление библиотеки scikit-learn
обновление conda scikit-learn
- Кроме того, вы можете обновить библиотеку до определенной версии, набрав:
conda install -c anaconda scikit-learn=0.18.1
Установите библиотеки глубокого обучения
На этом этапе мы установим библиотеки Python, используемые для глубокого обучения, в частности: Theano, TensorFlow и Keras.
TensorFlow 2.0 — это библиотека машинного обучения с открытым исходным кодом, которая предоставляет комплексную экосистему инструментов для разработчиков, исследователей и организаций, которые хотят создавать масштабируемые приложения для машинного обучения и глубокого обучения. TensorFlow 2.0 поддерживает простое построение моделей с помощью Keras. Keras — это высокоуровневый API TensorFlow 2: доступный, высокопроизводительный интерфейс для решения задач машинного обучения с упором на современное глубокое обучение.
pip установить тензорный поток
- Выберите имя для своей среды TensorFlow, например «tf».
- Чтобы установить текущую версию TensorFlow только для ЦП:
conda создать -n tf тензорный поток
конда активировать тф
- Примечание. Если вы установили tensorflow с помощью pip, вы можете легко получить версию, запустив «pip show tensorflow» в командной строке.
Но в 1-й команде, почему я получаю «ПРЕДУПРЕЖДЕНИЕ: Пакеты не найдены: тензорный поток» ??
Это потому, что я установил tensorflow в виртуальной среде Python. Вы должны активировать свою виртуальную среду, если вы сделали то же самое. Я создал виртуальную среду под названием «tf» с помощью conda, поэтому я набираю conda активировать tf, чтобы активировать эту среду. Пожалуйста, прочитайте следующую статью, чтобы понять это:
Версия TensorFlow в CMD и Anaconda Prompt
- Поскольку Keras — это высокоуровневый API для TensorFlow, они устанавливаются вместе.
- Теперь, чтобы проверить версии, откройте блокнот, скопируйте и вставьте следующий скрипт и сохраните файл как deep_versions.py.
# тензорный поток
импортировать тензорный поток
print('тензорный поток: %s' % тензорный поток.__версия__)
# керас
импортировать керас
print('keras: %s' % keras.__version__)
Теперь, чтобы запустить файл в командной строке, перейдите в каталог, в котором вы сохранили скрипт, и введите
- Python deep_versions.py
Вы должны увидеть вывод, подобный следующему
Запуск Jupyter Notebook
Откройте cmd и введите Jupyter Notebook, затем нажмите Enter. Если это не сработает, переустановите пакет Anaconda.
Основные инструкции
- Если блокнот jupyter открывается в браузере, выберите новый > Python3 (ipykernel), затем напишите свой код.
- Например, написание кода для построения встроенных графиков.
- Нажатие Shift + Enter выполнит ячейку
Для лучшей ориентации текста вы можете следить за моим pdf-файлом этой статьи: https://drive.google.com/file/d/1iOyljVEshB1QYyoZXViCBgGYbEJsm2-D/view?usp=sharing