Unduh pyprobml - Unduh Kode Sumber pyprobml

pyprobml

ular piton

ving to notebooks for book1

Unduh

Pyprobml

Python 3 kode untuk mereproduksi angka -angka dalam buku pembelajaran mesin probabilistik: pengantar (alias "buku 1") dan pembelajaran mesin probabilistik: topik canggih (alias "buku 2"). Kode ini menggunakan pustaka python standar, seperti numpy, scipy, matplotlib, sklearn, dll. Beberapa kode (terutama dalam buku 2) juga menggunakan jax, dan di beberapa bagian buku 1, kami juga menggunakan TensorFlow 2 dan sedikit obor. Lihat juga probml-utils untuk beberapa kode utilitas yang dibagikan di beberapa notebook.

Untuk status kode terbaru, lihat Buku 1 Dashboard dan Book 2 Dashboard. Pada September 2022, kode ini sekarang dalam mode pemeliharaan.

Menjalankan notebook

Notebook yang diperlukan untuk membuat semua angka tersedia di lokasi berikut.

Semua buku catatan (diurutkan berdasarkan nama file)
Buku 1 Notebook (diurutkan berdasarkan bab)
Buku 2 Notebook (diurutkan berdasarkan bab).

Menjalankan Notebook di Colab

Colab memiliki sebagian besar perpustakaan yang akan Anda butuhkan (misalnya, scikit-learn, jax) pra-instal, dan memberi Anda akses ke GPU dan TPU gratis. Kami memiliki buku catatan intro Colab dengan detail lebih lanjut. Untuk menjalankan notebook di Colab di browser apa pun, Anda dapat pergi ke buku catatan tertentu di Github dan mengubah domain dari github.com ke githubtocolab.com seperti yang disarankan di sini. Jika Anda menggunakan browser Google Chrome, Anda dapat menggunakan ekstensi Chrome "Open in Colab" untuk melakukan hal yang sama dengan satu klik.

Menjalankan notebook secara lokal

Kami menganggap Anda telah menginstal Jax dan TensorFlow dan Torch, karena detail tentang cara melakukan ini tergantung pada apakah Anda memiliki CPU, GPU, dll.

Anda dapat menggunakan salah satu opsi berikut untuk menginstal persyaratan lainnya.

Opsi 1

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

Opsi 2

Unduh persyaratan.txt secara lokal ke jalur Anda dan jalankan

pip install -r requirements.txt

Opsi 3

Jalankan berikut ini. (Perhatikan --depth 1 mencegah memasang seluruh sejarah, yang sangat besar).

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

Lalu pasang secara manual.

Jika Anda ingin menyimpan angka, terlebih dahulu Anda harus menjalankan sesuatu seperti ini

 #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

Ini digunakan oleh fungsi SaveFig untuk menyimpan file PDF.

Komputasi awan

Ketika Anda menginginkan lebih banyak daya atau kontrol daripada yang diberikan Colab kepada Anda, saya sarankan Anda menggunakan https://lightning.ai/docs/overview/studios, yang membuatnya sangat mudah untuk dikembangkan menggunakan vscode, berjalan pada VM yang diakses dari browser web Anda; Anda kemudian dapat meluncurkan satu atau lebih GPU saat dibutuhkan dengan satu tombol klik. Atau, jika Anda adalah pengguna yang kuat, Anda dapat mencoba Google Cloud Platform, yang mendukung GPU dan TPU; Lihat tutorial singkat ini tentang Colab, GCP dan TPU.