pyprobml Download - pyprobml Quellcode Download

pyprobml

Python

ving to notebooks for book1

Herunterladen

PYPROBML

Python 3 Code, um die Figuren in den Büchern probabilistisches maschinelles Lernen zu reproduzieren: Eine Einführung (auch bekannt als "Buch 1") und probabilistisches maschinelles Lernen: Fortgeschrittene Themen (auch bekannt als "Buch 2"). Der Code verwendet die Standard -Python -Bibliotheken wie Numpy, Scipy, Matplotlib, Sklearn usw. Ein Teil des Codes (insbesondere in Buch 2) verwendet auch JAX, und in einigen Teilen von Buch 1 verwenden wir auch TensorFlow 2 und ein wenig Torch. Siehe auch Probml-Utils für einen Dienstprogrammcode, der über mehrere Notizbücher ausgetauscht wird.

Der neueste Status des Codes finden Sie in Buch 1 Dashboard und Buch 2 Dashboard. Ab September 2022 befindet sich dieser Code jetzt im Wartungsmodus.

Ausführen der Notizbücher

Die Notizbücher, die für alle Zahlen benötigt werden, sind an den folgenden Stellen erhältlich.

Alle Notizbücher (sortiert nach Dateiname)
Buchbücher 1 Notebooks (sortiert nach Kapitel)
Buch 2 Notebooks (nach Kapitel sortiert).

Ausführen von Notizbüchern in Colab

Colab hat die meisten Bibliotheken, die Sie (z. B. Scikit-Learn, JAX) vorinstalliert benötigen, und erhalten Sie Zugriff auf eine kostenlose GPU und TPU. Wir haben ein Colab -Intro -Notizbuch mit weiteren Details erstellt. Um die Notizbücher in Colab in jedem Browser auszuführen, können Sie zu einem bestimmten Notizbuch auf GitHub gehen und die Domäne von github.com auf githubtocolab.com ändern, wie hier vorgeschlagen. Wenn Sie den Google Chrome -Browser verwenden, können Sie "Open in Colab" Chrome -Erweiterung verwenden, um dasselbe mit einem einzigen Klick zu tun.

Ausführen der Notizbücher lokal ausführen

Wir gehen davon aus, dass Sie Jax und TensorFlow und Torch bereits installiert haben, da die Details dazu davon abhängen, ob Sie eine CPU, eine GPU usw. haben.

Sie können die folgenden Optionen verwenden, um die anderen Anforderungen zu installieren.

Option 1

pip install -r https://raw.githubusercontent.com/probml/pyprobml/master/requirements.txt

Option 2

Laden Sie die Anforderungen herunter.txt lokal auf Ihren Pfad und führen Sie aus

pip install -r requirements.txt

Option 3

Leiten Sie Folgendes aus. (Beachten Sie, dass die --depth 1 verhindert, dass die gesamte Geschichte, die sehr groß ist, installiert wird.

 git clone --depth 1 https://github.com/probml/pyprobml.git

Dann manuell installieren.

Wenn Sie die Zahlen retten möchten, müssen Sie zuerst so etwas ausführen

 #export FIG_DIR="/teamspace/studios/this_studio/figures"

import os
os.environ["FIG_DIR"] = "/teamspace/studios/this_studio/pyprobml/notebooks/figures"
os.environ["DUAL_SAVE"] = "1" # both pdf and png

Dies wird von der SaveFig -Funktion zum Speichern von PDF -Dateien verwendet.

Cloud Computing

Wenn Sie mehr Strom oder Kontrolle wünschen als Colab, empfehle ich Ihnen, https://lightning.ai/docs/overview/studios zu verwenden, was es sehr einfach macht, mit VSCODE zu entwickeln und auf einem von Ihrem Webbrowser zugegriffenen VM auszuführen. Sie können dann bei Bedarf auf einem oder mehreren GPUs mit einem einzelnen Schaltflächenklick starten. Wenn Sie ein Power -Benutzer sind, können Sie alternativ die Google Cloud -Plattform ausprobieren, die GPUs und TPUs unterstützt. Siehe dieses kurze Tutorial zu Colab, GCP und TPUs.

Wie man beiträgt

In diesem Leitfaden finden Sie einen Beitrag zum Beitrag zu Code. Bitte befolgen Sie diese Richtlinien, um neue Notizbücher in das Notebooks -Verzeichnis einzubringen.