Hogyan kezdjük el a Python for Deep Learning és az Data Science alkalmazást

Lépésenkénti útmutató a Python beállításához egy teljesen kezdő számára

A Data Science vagy a Deep Learning projektjét manapság néhány soros kódban kódolhatja. Ez nem túlzás; sok programozó odakinn végezte azt a kemény munkát, hogy rengeteg kódot írt számunkra, hogy felhasználhasson bennünket, így csak a plug-and-play használatra van szükségünk, ahelyett, hogy a semmiből írnánk a kódot.

Lehet, hogy látott e kód egy részét a Data Science / Deep Learning blogbejegyzéseiben. Talán azt gondolhatta: "Nos, ha valóban ilyen egyszerű, akkor miért nem próbálom ki magam?"

Ha Ön a Python kezdője és szeretne elindulni erre az útra, akkor ez a bejegyzés végigvezeti Önt az első lépésein. Gyakori panasz, amelyet teljesen kezdőktől hallok, az, hogy elég nehéz beállítani a Python-t. Hogyan kezdjünk el mindent eleve, hogy plug-and-play Data Science vagy Deep Learning kódot tudjunk használni?

Ez a bejegyzés lépésről lépésre végigvezeti Önt, hogyan állíthatja be a Pythont az adattudományi és a mély tanulási projektekhez. Mi fogunk:

  • Állítsa be az Anaconda és a Jupyter Notebook alkalmazást
  • Hozzon létre Anaconda környezeteket, és telepítsen olyan csomagokat (kódot, amelyet mások írtak, hogy rendkívül megkönnyítsék az életünket), mint például a tensorflow, a kera, a pandák, a scikit-learn és a matplotlib.

Miután elkészítette a fentieket, itt felépítheti első ideghálózatát a házárak előrejelzéséhez:

Készítse el az első Neural Network-et, hogy megjósolja a házárakat a Keras segítségével

Az Anaconda és a Jupyter Notebook beállítása

A fő programozási nyelvet, amelyet használni fogunk, Pythonnak hívják, amely a Deep Learning gyakorlók által leggyakrabban használt programozási nyelv.

Az első lépés az Anaconda letöltése, amelyet platformként gondolhat a Python „dobozon kívüli” használatára.

Látogassa meg ezt az oldalt: //www.anaconda.com/distribution/ és görgessen lefelé ennek megtekintéséhez:

Ez az oktatóanyag kifejezetten a Windows felhasználók számára készült, de a más operációs rendszerek felhasználóinak szóló utasítások nem annyira különböznek egymástól. Az operációs rendszerként (vagy bármelyik operációs rendszerként) kattintson a „Windows” elemre, hogy megbizonyosodjon arról, hogy a megfelelő verziót tölti le.

Ez az oktatóprogram Python 3-at fog használni, ezért kattintson a zöld Letöltés gombra a „Python 3.7 verzió” alatt. Meg kell jelennie egy előugró ablaknak, ahol a „Mentés” gombra kattinthat a kívánt könyvtárban.

Miután befejezte a letöltést, csak lépésről lépésre haladjon át az alábbiak szerint:

A telepítés befejezése után lépjen a Start menübe, és látnia kell néhány újonnan telepített szoftvert:

Kattintson az Anaconda Navigator elemre, amely egyablakos központ a szükséges alkalmazások navigálásához. Ilyen címlapot kell látnia:

Kattintson a „Launch” gombra a Jupyter Notebook alatt, amely a fenti képernyőm második panelje. A Jupyter Notebook lehetővé teszi számunkra, hogy interaktív módon futtassuk a Python kódot a webböngészőben, és itt fogjuk írni a kódunk nagy részét.

Meg kell nyílnia egy böngészőablaknak a könyvtárlistájával. Létrehozok egy mappát az Asztalomon „Intuitív mély tanulási oktatóanyag” címmel. Ha a mappába navigál, a böngészőnek ilyennek kell kinéznie:

A jobb felső sarokban kattintson az Új elemre, és válassza a „Python 3” lehetőséget:

Egy új böngészőablaknak így kell megjelennie.

Gratulálunk - elkészítette első Jupyter jegyzetfüzetét! Itt az ideje, hogy írjon egy kódot. A Jupyter notebookok lehetővé teszik számunkra, hogy kódrészleteket írjunk, majd a teljes program futtatása nélkül futtassuk azokat. Ez segít abban, hogy esetleg megnézzük a program bármely közbenső kimenetét.

Először írjunk olyan kódot, amely megjeleníti néhány szót, amikor futtatjuk. Ezt a funkciót nyomtatásnak hívják . Másolja és illessze be az alábbi kódot a Jupyter notebook szürke mezőjébe:

print("Hello World!")

A notesznek így kell kinéznie:

A kódrészlet futtatásához nyomja meg az Alt-Enter billentyűt:

Láthatja, hogy a Jupyter notebookban a „Hello World!” Felirat látható. a kódrészlet alatti kijelzőpanelen! Az 1-es szám kitöltötte a szögletes zárójeleket is, vagyis ez az első kódrészlet, amelyet eddig futtattunk. Ez segít nyomon követni a kódrészletek futtatásának sorrendjét.

Az Alt-Enter helyett vegye figyelembe, hogy a Futtatás gombra is kattinthat, ha a kódrészlet ki van emelve:

Ha új szürke blokkokat szeretne létrehozni további kódrészletek megírásához, akkor ezt a Beszúrás alatt teheti meg.

A Jupyter Notebook segítségével normál szöveget is írhat kód helyett. Kattintson a legördülő menüre, amely jelenleg „Kód” felirattal rendelkezik, és válassza a „Jelölés” lehetőséget:

Most a jelölőnégyzetként megjelölt szürke mezőnk mellett nem lesz szögletes zárójel. Ha most szöveget ír be ebbe a szürke mezőbe, és lenyomja az Alt-Enter billentyűt, a szöveg ezt egyszerű szövegként jeleníti meg:

Van néhány további funkció, amelyet felfedezhet. De most elkészítettük a Jupyter jegyzetfüzetet, hogy elkezdjünk írni egy kódot!

Anaconda környezet beállítása és csomagok telepítése

Most elkészült a kódolási platformunk. De vajon a nulláról írjuk-e a Deep Learning kódot? Ez rendkívül nehéz dolognak tűnik!

A jó hír az, hogy sokan mások írtak kódot és bocsátották rendelkezésünkre! Mások kódjának közreműködésével nagyon magas szinten játszhatunk a Deep Learning modellekkel anélkül, hogy aggódnunk kellene, hogy mindezt a semmiből vesszük alapul. Ez rendkívül megkönnyíti a Deep Learning modellek kódolásának megkezdését.

Ehhez az oktatóanyaghoz öt olyan csomagot fogunk letölteni, amelyeket a mély tanulás gyakorlói általában használnak:

  • Tensorflow
  • Keras
  • Pandák
  • Scikit-tanulni
  • Matplotlib

Az első dolgunk egy Python-környezet létrehozása. A környezet olyan, mint a Python elszigetelt munkapéldánya, így bármi, amit a környezetében tesz (például új csomagok telepítése), nem befolyásolja más környezeteket. Jó gyakorlat környezetet teremteni a projektjeihez.

Kattintson a bal oldali panelen a Környezet elemre, és látnia kell egy ilyen képernyőt:

Kattintson a lista végén található „Létrehozás” gombra. Ilyen előugró ablaknak kell megjelennie:

Adjon nevet a környezetének, válassza a Python 3.7 lehetőséget, majd kattintson a Létrehozás gombra. Ez eltarthat néhány pillanatig.

Miután ez megtörtént, a képernyőn valami ilyennek kell kinéznie:

Vegyük észre, hogy létrehoztunk egy „intuitív és mély tanulási” környezetet. Láthatjuk, hogy milyen csomagokat telepítettünk ebben a környezetben, és azok megfelelő verzióit.

Most telepítsünk néhány szükséges csomagot a környezetünkbe!

Az első két csomagot, amelyet telepítünk, Tensorflow és Keras néven használunk, amelyek segítenek a Deep Learning plug-and-play kódjában.

Az Anaconda Navigator alkalmazásban kattintson a legördülő menüre, ahol jelenleg a „Telepítve” felirat szerepel, és válassza a „Nincs telepítve” lehetőséget:

A nem telepített csomagok teljes listája a következőképpen jelenik meg:

Keressen rá a „tensorflow” kifejezésre, és kattintson a „keras” és a „tensorflow” jelölőnégyzetre. Ezután kattintson a képernyő jobb alsó sarkában az „Alkalmaz” gombra:

Az előugró ablaknak így kell megjelennie:

Kattintson az Alkalmaz gombra, és várjon néhány percet. Miután ez megtörtént, telepítjük a Keras és a Tensorflow programot a környezetünkbe!

Ugyanezzel a módszerrel telepítsük a 'pandas', 'scikit-learn' és 'matplotlib' csomagokat. Ezek olyan általános csomagok, amelyeket az adatkutatók az adatok feldolgozásához, valamint a Jupyter notebook szép grafikonjainak megjelenítéséhez használnak.

Ezt kell látnia az Anaconda Navigator készüléken minden egyes csomaghoz.

Pandák:

Scikit-learn:

Matplotlib:

Miután ez elkészült, térjen vissza az Anaconda Navigator bal oldali paneljének „Home” oldalához. Látnia kell egy ilyen képernyőt, amelynek tetején az „Alkalmazások az intuitív és mély tanuláshoz” felirat olvasható:

Most be kell telepítenünk a Jupyter notebookot ebbe a környezetbe. Tehát kattintson a zöld gombra „Install” a Jupyter notebook logója alatt. Ez eltart néhány pillanatig (ismét). A telepítés befejezése után a Jupyter noteszgép paneljének így kell kinéznie:

Kattintson az Indítás gombra, és megnyílik a Jupyter notebook alkalmazás.

Hozzon létre egy jegyzetfüzetet, írja be ezt az öt kódrészletet, majd kattintson az Alt-Enter gombra. Ez a kód megmondja a jegyzetfüzetnek, hogy az öt csomagot fogjuk használni, amelyeket az Anaconda Navigator alkalmazással korábban telepített az oktatóanyagban.

import tensorflow as tf
import keras
import pandas
import sklearn
import matplotlib

Ha nincsenek hibák, akkor gratulálunk - mindent helyesen telepített:

Most, hogy mindent beállítottunk, itt kezdjük építeni az első neurális hálózatunkat:

Készítse el az első Neural Network-et, hogy megjósolja a házárakat a Keras segítségével

Lépésről lépésre teljes kezdő útmutató az első neurális hálózat felépítéséhez pár kódsorban, például egy Deep… medium.com

Ha bármilyen problémája adódott a fenti lépések bármelyikével, nyugodtan tegye meg észrevételeit az alábbiakban, és segítek neked!

A szerzőről:

Sziasztok, Joseph vagyok! Nemrégiben diplomáztam a Stanford Egyetemen, ahol Andrew Ng-vel dolgoztam együtt a Stanford Machine Learning Group-ban. Szeretném a Deep Learning koncepciókat minél intuitívabbá és mindenki számára érthetőbbé tenni, ami motiválta az Intuitív mély tanulás című kiadványomat.