ดาวน์โหลด pyprobml - pyprobml ซอร์สโค้ดดาวน์โหลดดาวน์โหลด

pyprobml

หลาม

ving to notebooks for book1

ดาวน์โหลด

pyprobml

Python 3 รหัสเพื่อทำซ้ำตัวเลขในการเรียนรู้ของเครื่องจักรความน่าจะเป็นของเครื่อง: บทนำ (aka "เล่ม 1") และการเรียนรู้ของเครื่องน่าจะเป็น: หัวข้อขั้นสูง (AKA "Book 2") รหัสใช้ไลบรารี Python มาตรฐานเช่น numpy, scipy, matplotlib, sklearn ฯลฯ รหัสบางส่วน (โดยเฉพาะในเล่ม 2) ยังใช้ Jax และในบางส่วนของหนังสือ 1 เรายังใช้ Tensorflow 2 และคบเพลิงเล็กน้อย ดูเพิ่มเติมที่ probml-utils สำหรับรหัสยูทิลิตี้บางอย่างที่แชร์ผ่านโน้ตบุ๊กหลายตัว

สำหรับสถานะล่าสุดของรหัสดูหนังสือเล่ม 1 Dashboard และ Book 2 Dashboard ณ เดือนกันยายน 2565 รหัสนี้อยู่ในโหมดการบำรุงรักษาแล้ว

เรียกใช้สมุดบันทึก

สมุดบันทึกที่จำเป็นในการทำให้ตัวเลขทั้งหมดมีอยู่ในสถานที่ต่อไปนี้

สมุดบันทึกทั้งหมด (เรียงตามชื่อไฟล์)
หนังสือเล่ม 1 สมุดบันทึก (เรียงตามบท)
สมุดบันทึก 2 สมุดบันทึก (เรียงตามบท)

โน้ตบุ๊กที่ใช้งานอยู่ใน colab

Colab มีห้องสมุดส่วนใหญ่ที่คุณต้องการ (เช่น Scikit-learn, Jax) ที่ติดตั้งไว้ล่วงหน้าและให้คุณเข้าถึง GPU และ TPU ฟรี เรามีโน้ตบุ๊ก Intro ที่สร้างขึ้นพร้อมรายละเอียดเพิ่มเติม ในการเรียกใช้โน้ตบุ๊กบน colab ในเบราว์เซอร์ใด ๆ คุณสามารถไปที่สมุดบันทึกเฉพาะบน GitHub และเปลี่ยนโดเมนจาก github.com เป็น githubtocolab.com ตามที่แนะนำที่นี่ หากคุณใช้เบราว์เซอร์ Google Chrome คุณสามารถใช้ส่วนขยาย Chrome "Open in Colab" เพื่อทำเช่นเดียวกันด้วยการคลิกเดียว

รันโน้ตบุ๊กในพื้นที่

เราถือว่าคุณได้ติดตั้ง Jax และ Tensorflow และ Torch แล้วเนื่องจากรายละเอียดเกี่ยวกับวิธีการทำสิ่งนี้ขึ้นอยู่กับว่าคุณมี CPU, GPU ฯลฯ

คุณสามารถใช้ตัวเลือกใด ๆ ต่อไปนี้เพื่อติดตั้งข้อกำหนดอื่น ๆ

ตัวเลือกที่ 1

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

ตัวเลือก 2

ดาวน์โหลดข้อกำหนด. txt ท้องถิ่นไปยังเส้นทางของคุณและเรียกใช้

pip install -r requirements.txt

ตัวเลือก 3

เรียกใช้สิ่งต่อไปนี้ (หมายเหตุ --depth 1 ป้องกันการติดตั้งประวัติทั้งหมดซึ่งมีขนาดใหญ่มาก)

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

จากนั้นติดตั้งด้วยตนเอง

หากคุณต้องการบันทึกตัวเลขคุณต้องดำเนินการสิ่งนี้ก่อน

 #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

สิ่งนี้ถูกใช้โดยฟังก์ชั่น savefig เพื่อจัดเก็บไฟล์ PDF

คลาวด์คอมพิวติ้ง

เมื่อคุณต้องการพลังงานหรือการควบคุมมากกว่า Colab ให้คุณฉันขอแนะนำให้คุณใช้ https://lightning.ai/docs/overview/studios ซึ่งทำให้ง่ายต่อการพัฒนาโดยใช้ VScode ทำงานบน VM ที่เข้าถึงได้จากเว็บเบราว์เซอร์ของคุณ จากนั้นคุณสามารถเปิดใช้งาน GPU หนึ่งตัวขึ้นไปเมื่อจำเป็นด้วยการคลิกปุ่มเดียว อีกทางเลือกหนึ่งหากคุณเป็นผู้ใช้พลังงานคุณสามารถลองใช้ Google Cloud Platform ซึ่งรองรับ GPU และ TPUs ดูบทช่วยสอนสั้น ๆ เกี่ยวกับ Colab, GCP และ TPU