pyprobml下載pyprobml源代碼下載

pyprobml

Python

ving to notebooks for book1

下載

pyprobml

Python 3代碼以復製書籍中的數字概率機器學習：簡介（又稱“書1”）和概率機器學習：高級主題（又稱“書2”）。該代碼使用標準的Python庫，例如Numpy，Scipy，Matplotlib，Sklearn等。一些代碼（尤其是在第2本書中）也使用JAX，在第1冊的某些部分中，我們還使用Tensorflow 2和一些Torch。另請參閱ProbMl-Utils有關某些多個筆記本電腦共享的實用代碼。

有關代碼的最新狀態，請參見第1冊儀表板和書2儀表板。截至2022年9月，此代碼現在處於維護模式。

運行筆記本

使所有數字都在以下位置可用。

所有筆記本（由文件名排序）
書1筆記本（按章進行排序）
書2筆記本（按章進行排序）。

在COLAB中運行筆記本

COLAB擁有已預裝的大多數庫（例如Scikit-Learn，Jax），可讓您訪問免費的GPU和TPU。我們有一個創建的COLAB介紹筆記本，其中包含更多詳細信息。要在任何瀏覽器中運行COLAB上的筆記本，您可以轉到GitHub上的特定筆記本，然後將域從github.com更改為githubtocolab.com ，如下所示。如果您使用的是Google Chrome瀏覽器，則可以使用“在COLAB中” Chrome擴展程序單擊“打開” Chrome擴展程序。

本地運行筆記本

我們假設您已經安裝了JAX和TensorFlow和Torch，因為有關如何執行此操作的詳細信息取決於您是否有CPU，GPU，等等。

您可以使用以下任何選項來安裝其他要求。

選項1

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

選項2

在您的路徑上下載要求

pip install -r requirements.txt

選項3

運行以下內容。（請注意--depth 1可防止安裝整個歷史記錄，這很大）。

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

然後手動安裝。

如果要保存數字，則首先需要執行這樣的事情

 #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函數將其用於存儲PDF文件。

雲端運算

當您想要比Colab更多的功率或控制權時，我建議您使用https://lightning.ai/docs/overview/studios，這使得使用VSCODE在從Web瀏覽器訪問的VM上運行的VSCODE非常容易開發；然後，您可以在需要單擊一個按鈕時在一個或多個GPU上啟動。另外，如果您是電力用戶，則可以嘗試支持GPU和TPU的Google Cloud平台；請參閱有關Colab，GCP和TPU的本簡短教程。