pyprobml

pyprobml

Python 3 Код для воспроизведения фигур в книгах Вероятностное машинное обучение: введение (он же «Книга 1») и вероятностное машинное обучение: расширенные темы (он же «Книга 2»). В коде используются стандартные библиотеки Python, такие как Numpy, Scipy, Matplotlib, Sklearn и т. Д. Некоторые из кода (особенно в книге 2) также используют JAX, а в некоторых частях книги 1 мы также используем TensorFlow 2 и немного факела. См. Также ProbML-UTILS для некоторого кода утилиты, который используется в нескольких ноутбуках.

Для последнего статуса кода см. Книга 1 Панель инструментов и инструментальную панель. По состоянию на сентябрь 2022 года этот код сейчас находится в режиме обслуживания.

Запуск ноутбуков

Записные книжки, необходимые для того, чтобы все цифры были доступны в следующих местах.

• Все ноутбуки (отсортированы по имени файла)
• Книга 1 ноутбуки (отсортировано по главе)
• Книга 2 ноутбуки (отсортировано по главе).

Запуск ноутбуков в Колаба

У Colab есть большинство библиотек, которые вам понадобятся (например, Scikit-Learn, JAX), предварительно установленные, и дает вам доступ к бесплатному графическому процессору и TPU. У нас есть ноутбук Caleb Colab с более подробной информацией. Чтобы запустить ноутбуки на Colab в любом браузере, вы можете перейти на конкретный ноутбук на GitHub и изменить домен с github.com на githubtocolab.com , как предложено здесь. Если вы используете браузер Google Chrome, вы можете использовать расширение Chrome «Open in Colab», чтобы сделать то же самое с одним щелчком.

Запуск ноутбуков локально

Мы предполагаем, что вы уже установили JAX, Tensorflow и Torch, поскольку подробности о том, как это сделать, зависят от того, есть ли у вас процессор, графический процессор и т. Д.

Вы можете использовать любой из следующих вариантов для установки других требований.

• Вариант 1

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

• Вариант 2

Скачать требования.

pip install -r requirements.txt

• Вариант 3

Запустить следующее. (Обратите внимание, --depth 1 предотвращает установку всей истории, которая очень большая).

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

Затем установите вручную.

Если вы хотите сохранить цифры, вам сначала нужно выполнить что -то подобное

 #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

Это используется функцией SaveFig для хранения PDF -файлов.

Облачные вычисления

Если вы хотите большую мощность или управление, чем дает вам Colab, я рекомендую вам использовать https://lightning.ai/docs/overview/studios, что делает его очень простым в разработке с использованием VSCODE, работая на виртуальной машине, доступном из вашего веб -браузера; Затем вы можете запустить один или несколько графических процессоров, когда это необходимо с помощью одной кнопки нажатия. В качестве альтернативы, если вы являетесь пользователем питания, вы можете попробовать Google Cloud Platform, которая поддерживает графические процессоры и TPU; Смотрите это короткое руководство по Colab, GCP и TPU.

Как внести свой вклад

Смотрите это руководство для того, как внести код. Пожалуйста, следуйте этим рекомендациям, чтобы внести новые записные книжки в каталог ноутбуков.

Метрики

GSOC

Для краткого изложения некоторых вкладов в эту кодовую базу во время Google Summer of Code (GSOC) см. Эти ссылки: 2021 и 2022.

Благодарности

Список участников, см. Этот список.