Cum să începeți cu Python pentru Deep Learning și Data Science

Un ghid pas cu pas pentru configurarea Python pentru un începător complet

Puteți codifica propriul proiect Data Science sau Deep Learning în doar câteva linii de cod în aceste zile. Aceasta nu este o exagerare; mulți programatori de acolo au făcut munca grea de a scrie tone de cod pe care să le folosim, astfel încât tot ce trebuie să facem este să conectăm și să jucăm, mai degrabă decât să scriem cod de la zero.

Este posibil să fi văzut o parte din acest cod pe postările de pe blogul Data Science / Deep Learning. Poate că v-ați fi gândit: „Ei bine, dacă este chiar atât de ușor, atunci de ce nu-l încerc eu însumi?”

Dacă sunteți un începător în Python și doriți să începeți această călătorie, atunci această postare vă va ghida în primii pași. O plângere obișnuită pe care o aud de la începători complet este că este destul de dificil să configurați Python. Cum putem începe totul în primul rând, astfel încât să putem plug-and-play Data Science sau codul Deep Learning?

Această postare vă va ghida într-un mod pas cu pas cum să configurați Python pentru proiectele dvs. de știință a datelor și Deep Learning. Noi vom:

  • Configurați Anaconda și Jupyter Notebook
  • Creați medii Anaconda și instalați pachete (cod pe care alții l-au scris pentru a ne face viața extrem de ușoară) precum tensorflow, keras, panda, scikit-learn și matplotlib.

Odată ce ați configurat cele de mai sus, puteți construi prima rețea neuronală pentru a prezice prețurile casei în acest tutorial aici:

Construiți-vă prima rețea neuronală pentru a prezice prețurile locuințelor cu Keras

Configurarea notebook-ului Anaconda și Jupyter

Principalul limbaj de programare pe care îl vom folosi se numește Python, care este cel mai comun limbaj de programare utilizat de practicienii Deep Learning.

Primul pas este să descărcați Anaconda, pe care o puteți considera o platformă pentru a utiliza Python „din cutie”.

Accesați această pagină: //www.anaconda.com/distribution/ și derulați în jos pentru a vedea acest lucru:

Acest tutorial este scris special pentru utilizatorii de Windows, dar instrucțiunile pentru utilizatorii altor sisteme de operare nu sunt atât de diferite. Asigurați-vă că dați clic pe „Windows” ca sistem de operare (sau orice alt sistem de operare pe care vă aflați) pentru a vă asigura că descărcați versiunea corectă.

Acest tutorial va folosi Python 3, deci faceți clic pe butonul verde de descărcare sub „Versiunea Python 3.7”. Ar trebui să apară o fereastră pop-up pentru a face clic pe „Salvare” în orice director doriți.

După ce a terminat descărcarea, trebuie doar să parcurgeți configurarea pas cu pas după cum urmează:

Odată ce instalarea este terminată, accesați meniul Start și ar trebui să vedeți câteva programe instalate recent:

Faceți clic pe Anaconda Navigator, care este un hub unic pentru a naviga în aplicațiile de care avem nevoie. Ar trebui să vedeți o astfel de pagină:

Faceți clic pe „Lansare” sub Jupyter Notebook, care este al doilea panou de pe ecranul meu de mai sus. Jupyter Notebook ne permite să rulăm codul Python interactiv pe browserul web și acolo vom scrie majoritatea codului nostru.

O fereastră de browser ar trebui să se deschidă cu listarea dvs. de director. Voi crea un folder pe desktopul meu numit „Tutorial de învățare profundă intuitivă”. Dacă navigați la dosar, browserul dvs. ar trebui să arate cam așa:

În dreapta sus, faceți clic pe Nou și selectați „Python 3”:

O nouă fereastră de browser ar trebui să apară astfel.

Felicitări - ți-ai creat primul notebook Jupyter! Acum este timpul să scrieți un cod. Caietele Jupyter ne permit să scriem fragmente de cod și apoi să executăm aceste fragmente fără a rula programul complet. Acest lucru ne ajută probabil să analizăm orice ieșire intermediară din programul nostru.

Pentru început, să scriem cod care va afișa câteva cuvinte atunci când îl rulăm. Această funcție se numește print . Copiați și lipiți codul de mai jos în caseta gri de pe notebook-ul dvs. Jupyter:

print("Hello World!")

Caietul dvs. ar trebui să arate astfel:

Acum, apăsați Alt-Enter pe tastatură pentru a rula fragmentul de cod:

Puteți vedea că notebook-ul Jupyter a afișat cuvintele „Hello World!” pe panoul de afișare de sub fragmentul de cod! Numărul 1 a completat și parantezele pătrate, ceea ce înseamnă că acesta este primul fragment de cod pe care l-am rulat până acum. Acest lucru ne va ajuta să urmărim ordinea în care am executat fragmentele de cod.

În loc de Alt-Enter, rețineți că puteți face clic și pe Executare atunci când fragmentul de cod este evidențiat:

Dacă doriți să creați noi blocuri gri pentru a scrie mai multe fragmente de cod, puteți face acest lucru sub Insert.

Jupyter Notebook vă permite, de asemenea, să scrieți text normal în loc de cod. Faceți clic pe meniul drop-down care spune în prezent „Cod” și selectați „Markdown”:

Acum, caseta noastră gri care este etichetată ca marcare nu va avea paranteze pătrate lângă ea. Dacă scrieți acum un text în această casetă gri și apăsați Alt-Enter, textul îl va reda ca text simplu ca acesta:

Există câteva alte caracteristici pe care le puteți explora. Dar acum avem configurat notebook-ul Jupyter pentru a începe să scriem un cod!

Configurarea mediului Anaconda și instalarea pachetelor

Acum avem configurată platforma noastră de codificare. Dar vom scrie codul Deep Learning de la zero? Pare un lucru extrem de dificil de făcut!

Vestea bună este că mulți alții au scris cod și l-au pus la dispoziția noastră! Cu contribuția codului altora, ne putem juca cu modelele Deep Learning la un nivel foarte ridicat, fără să ne facem griji cu privire la implementarea lui de la zero. Acest lucru ne face extrem de ușor să începem cu codificarea modelelor Deep Learning.

Pentru acest tutorial, vom descărca cinci pachete pe care practicienii Deep Learning le folosesc în mod obișnuit:

  • Tensorflow
  • Keras
  • Panda
  • Scikit-learn
  • Matplotlib

Primul lucru pe care îl vom face este să creăm un mediu Python. Un mediu este ca o copie de lucru izolată a Python, astfel încât orice faceți în mediul dvs. (cum ar fi instalarea pachetelor noi) nu va afecta alte medii. Este o bună practică să creezi un mediu pentru proiectele tale.

Faceți clic pe Medii din panoul din stânga și ar trebui să vedeți un ecran ca acesta:

Faceți clic pe butonul „Creați” din partea de jos a listei. Ar trebui să apară un pop-up ca acesta:

Denumiți-vă mediul și selectați Python 3.7, apoi faceți clic pe Creare. Acest lucru ar putea dura câteva momente.

Odată ce ați făcut acest lucru, ecranul dvs. ar trebui să arate cam așa:

Observați că am creat un mediu de „învățare intuitivă-profundă”. Putem vedea ce pachete am instalat în acest mediu și versiunile lor respective.

Acum să instalăm câteva pachete de care avem nevoie în mediul nostru!

Primele două pachete pe care le vom instala se numesc Tensorflow și Keras, care ne ajută să conectăm codul plug-and-play pentru Deep Learning.

Pe Anaconda Navigator, faceți clic pe meniul derulant unde scrie în prezent „Instalat” și selectați „Neinstalat”:

O listă întreagă de pachete pe care nu le-ați instalat va apărea astfel:

Căutați „tensorflow” și faceți clic pe caseta de selectare pentru „keras” și „tensorflow”. Apoi, faceți clic pe „Aplicați” în colțul din dreapta jos al ecranului:

O fereastră pop-up ar trebui să apară astfel:

Faceți clic pe Aplicați și așteptați câteva momente. Odată ce ați terminat, vom avea Keras și Tensorflow instalate în mediul nostru!

Folosind aceeași metodă, să instalăm pachetele „pandas”, „scikit-learn” și „matplotlib”. Acestea sunt pachete obișnuite pe care oamenii de știință le folosesc pentru a procesa datele, precum și pentru a vizualiza grafice frumoase în notebook-ul Jupyter.

Aceasta este ceea ce ar trebui să vedeți pe Navigatorul dvs. Anaconda pentru fiecare dintre pachete.

Panda:

Scikit-learn:

Matplotlib:

După ce ați terminat, reveniți la „Acasă” de pe panoul din stânga al Anaconda Navigator. Ar trebui să vedeți un ecran ca acesta, unde scrie „Aplicații pentru învățare intuitivă-profundă” în partea de sus:

Acum, trebuie să instalăm notebook-ul Jupyter în acest mediu. Deci, faceți clic pe butonul verde „Instalați” de sub sigla notebook-ului Jupyter. Va dura câteva clipe (din nou). Odată ce ați terminat instalarea, panoul de notebook-uri Jupyter ar trebui să arate astfel:

Faceți clic pe Lansare și ar trebui să se deschidă aplicația pentru notebook Jupyter.

Creați un blocnotes și introduceți aceste cinci fragmente de cod și faceți clic pe Alt-Enter. Acest cod spune caietului că vom folosi cele cinci pachete pe care le-ați instalat cu Anaconda Navigator mai devreme în tutorial.

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

Dacă nu există erori, atunci felicitări - aveți totul instalat corect:

Acum, că am pregătit totul, vom începe să construim prima noastră rețea neuronală aici:

Construiți-vă prima rețea neuronală pentru a prezice prețurile locuințelor cu Keras

Un ghid complet pentru începători, pas cu pas, pentru construirea primei rețele neuronale în câteva linii de cod, cum ar fi un Deep ... medium.com

Dacă ați avut probleme cu oricare dintre pașii de mai sus, vă rugăm să nu ezitați să comentați mai jos și vă voi ajuta!

Despre autor:

Bună, sunt Joseph! Am absolvit recent Universitatea Stanford, unde am lucrat cu Andrew Ng în cadrul Stanford Machine Learning Group. Vreau să fac conceptele Deep Learning cât mai intuitive și cât mai ușor de înțeles de către toată lumea, ceea ce mi-a motivat publicarea: Intuitive Deep Learning.