pyprobml下载pyprobml源代码下载

pyprobml

Python

ving to notebooks for book1

下载

pyprobml

Python 3代码以复制书籍中的数字概率机器学习：简介（又称“书1”）和概率机器学习：高级主题（又称“书2”）。该代码使用标准的Python库，例如Numpy，Scipy，Matplotlib，Sklearn等。一些代码（尤其是在第2本书中）也使用JAX，在第1册的某些部分中，我们还使用Tensorflow 2和一些Torch。另请参阅ProbMl-Utils有关某些多个笔记本电脑共享的实用代码。

有关代码的最新状态，请参见第1册仪表板和书2仪表板。截至2022年9月，此代码现在处于维护模式。

运行笔记本

使所有数字都在以下位置可用。

所有笔记本（由文件名排序）
书1笔记本（按章进行排序）
书2笔记本（按章进行排序）。

在COLAB中运行笔记本

COLAB拥有已预装的大多数库（例如Scikit-Learn，Jax），可让您访问免费的GPU和TPU。我们有一个创建的COLAB介绍笔记本，其中包含更多详细信息。要在任何浏览器中运行COLAB上的笔记本，您可以转到GitHub上的特定笔记本，然后将域从github.com更改为githubtocolab.com ，如下所示。如果您使用的是Google Chrome浏览器，则可以使用“在COLAB中” Chrome扩展程序单击“打开” Chrome扩展程序。

本地运行笔记本

我们假设您已经安装了JAX和TensorFlow和Torch，因为有关如何执行此操作的详细信息取决于您是否有CPU，GPU，等等。

您可以使用以下任何选项来安装其他要求。

选项1

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

选项2

在您的路径上下载要求

pip install -r requirements.txt

选项3

运行以下内容。（请注意--depth 1可防止安装整个历史记录，这很大）。

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

然后手动安装。

如果要保存数字，则首先需要执行这样的事情

 #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函数将其用于存储PDF文件。

云计算

当您想要比Colab更多的功率或控制权时，我建议您使用https://lightning.ai/docs/overview/studios，这使得使用VSCODE在从Web浏览器访问的VM上运行的VSCODE非常容易开发；然后，您可以在需要单击一个按钮时在一个或多个GPU上启动。另外，如果您是电力用户，则可以尝试支持GPU和TPU的Google Cloud平台；请参阅有关Colab，GCP和TPU的本简短教程。