pyprobml
ving to notebooks for book1
Python 3 Code 책에서 그림을 재현하는 코드 확률 론적 기계 학습 : 소개 (일명 "Book 1") 및 확률 론적 기계 학습 : 고급 주제 (일명 "Book 2"). 이 코드는 Numpy, Scipy, Matplotlib, Sklearn 등과 같은 표준 Python 라이브러리를 사용합니다. 일부 코드 (특히 Book 2)도 JAX를 사용하고 Book 1의 일부 부분에서는 Tensorflow 2와 약간의 토치를 사용합니다. 여러 노트북에서 공유되는 일부 유틸리티 코드는 Probml-Utils를 참조하십시오.
코드의 최신 상태는 책 1 대시 보드 및 책 2 대시 보드를 참조하십시오. 2022 년 9 월 현재이 코드는 현재 유지 보수 모드에 있습니다.
모든 수치를 다음 위치에서 사용할 수 있습니다.
Colab에는 필요한 대부분의 라이브러리가 필요합니다 (예 : Scikit-Learn, JAX)이 사전 설치되어 있으며 무료 GPU 및 TPU에 액세스 할 수 있습니다. 자세한 내용은 Colab Intro 노트북을 만들었습니다. 모든 브라우저에서 Colab에서 노트북을 실행하려면 GitHub의 특정 노트북으로 이동하여 여기에서 제안한대로 github.com 에서 githubtocolab.com 으로 도메인을 변경할 수 있습니다. Google Chrome 브라우저를 사용하는 경우 "Colab in Colab"Chrome Extension을 사용하여 한 번의 클릭으로 동일한 작업을 수행 할 수 있습니다.
이 작업을 수행하는 방법에 대한 세부 사항은 CPU, GPU 등에 달려 있기 때문에 이미 JAX 및 Tensorflow 및 Torch를 설치했다고 가정합니다.
다음 옵션 중 하나를 사용하여 다른 요구 사항을 설치할 수 있습니다.
pip install -r https://raw.githubusercontent.com/probml/pyprobml/master/requirements.txt경로에 로컬로 요구 사항을 다운로드하고 실행하십시오
pip install -r requirements.txt 다음을 실행하십시오. ( --depth 1 전체 이력을 설치하는 것을 방지합니다.
git clone --depth 1 https://github.com/probml/pyprobml.git
그런 다음 수동으로 설치하십시오.
그림을 저장하려면 먼저 이와 같은 것을 실행해야합니다.
#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
SaveFig 기능에서 PDF 파일을 저장하는 데 사용됩니다.
Colab이 제공하는 것보다 더 많은 전력이나 제어를 원할 때 https://lightning.ai/docs/overview/studios를 사용하여 웹 브라우저에서 액세스 한 VM에서 실행되는 VSCODE를 사용하여 개발하기가 매우 쉽습니다. 그런 다음 단일 버튼 클릭으로 필요할 때 하나 이상의 GPU에서 시작할 수 있습니다. 또는 파워 사용자 인 경우 GPU 및 TPU를 지원하는 Google Cloud 플랫폼을 사용해 볼 수 있습니다. Colab, GCP 및 TPU에 대한이 짧은 자습서를 참조하십시오.
코드를 기여하는 방법은이 안내서를 참조하십시오. 다음 지침을 따라 새 노트북을 노트북 디렉토리에 기여하십시오.
Google Summer of Code (GSOC) 동안이 코드베이스에 대한 일부 기여에 대한 요약은 다음 링크를 참조하십시오 : 2021 및 2022.
기고자 목록은이 목록을 참조하십시오.
