Download do pyprobml - Download do código fonte pyprobml

pyprobml

Pitão

ving to notebooks for book1

Baixar

pyProbml

Python 3 codifica para reproduzir as figuras nos livros probabilísticos aprendizado de máquina: uma introdução (também conhecida como "livro 1") e aprendizado probabilístico de máquina: tópicos avançados (também conhecidos como "livro 2"). O código usa as bibliotecas Python padrão, como Numpy, Scipy, Matplotlib, Sklearn, etc. Alguns do código (especialmente no livro 2) também usa o JAX e, em algumas partes do livro 1, também usamos o Tensorflow 2 e um pouco de tocha. Consulte também Probml-Utils para algum código de utilidade compartilhado em vários notebooks.

Para o status mais recente do código, consulte o painel 1 e o painel do Livro 2. Em setembro de 2022, esse código está agora no modo de manutenção.

Executando os notebooks

Os cadernos necessários para que todos os números estejam disponíveis nos seguintes locais.

Todos os cadernos (classificados pelo nome do arquivo)
Livro 1 cadernos (classificados por capítulo)
Livro 2 Cadernos (classificados por capítulo).

Notebooks de corrida em Colab

O COLAB possui a maioria das bibliotecas de que você precisa (por exemplo, Scikit-Learn, Jax) pré-instalado e fornece acesso a uma GPU e TPU gratuita. Criamos um caderno de introdução do Colab com mais detalhes. Para executar os notebooks no COLAB em qualquer navegador, você pode ir a um caderno específico no Github e alterar o domínio de github.com para githubtocolab.com , conforme sugerido aqui. Se você estiver usando o navegador do Google Chrome, poderá usar a extensão do Chrome "Open in Colab" para fazer o mesmo com um único clique.

Executando os notebooks localmente

Assumimos que você já instalou Jax e Tensorflow e Torch, já que os detalhes sobre como fazer isso dependem se você tem uma CPU, GPU, etc.

Você pode usar qualquer uma das seguintes opções para instalar os outros requisitos.

Opção 1

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

Opção 2

Baixe requisitos.txt localmente para o seu caminho e execute

pip install -r requirements.txt

Opção 3

Execute o seguinte. (Observe o --depth 1 impede a instalação de toda a história, que é muito grande).

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

Em seguida, instale manualmente.

Se você deseja salvar os números, primeiro precisa executar algo assim

 #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

Isso é usado pela função Savefig para armazenar arquivos PDF.

Computação em nuvem

Quando você deseja mais energia ou controle do que o Colab, recomendo que você use https://lightning.ai/docs/overview/studios, o que facilita o desenvolvimento do uso do VSCode, executando em uma VM acessada no seu navegador da web; Em seguida, você pode iniciar uma ou mais GPUs quando necessário com um único botão de clicar. Como alternativa, se você é um usuário elétrico, pode experimentar o Google Cloud Platform, que suporta GPUs e TPUs; Veja este pequeno tutorial sobre Colab, GCP e TPUs.