[PYTHON] Ein Amateur stolperte in Deep Learning von Grund auf neu Hinweis: Kapitel 1

Einführung

Plötzlich "Deep Learning von Grund auf neu - die Theorie und Implementierung von Deep Learning mit Python gelernt" und "Deep Learning von Grund auf neu" (" 2) -Natürliche Sprachverarbeitung " Ich entschied mich zu studieren.

Ich bin jedoch sehr besorgt, ob es weitergehen wird, weil ich nicht genug Zeit habe. Als ich jedoch vor einigen Jahren "Sprachverarbeitung 100 Schläge 2015" beendet hatte, [Amateur-Sprachverarbeitung Ich habe weiterhin als 100 Schläge auf Qiita gepostet, und dank aller Vorlieben und Kommentare konnte ich es beenden, diesmal auch bei Qiita Ich beschloss zu helfen.

Dieses Mal werde ich Kapitel für Kapitel notieren, worauf ich in diesem Buch gestoßen bin. Wenn Sie Fehler haben, wäre ich Ihnen dankbar, wenn Sie sie auf die gleiche Weise wie bei 100 Klopfen bei der Verarbeitung von Amateursprachen aufzeigen könnten.

(Zu anderen Kapiteln dieses Memos: Kapitel 1 / Kapitel 2 / [Kapitel 3](https://qiita.com/segavvy/items/6d79d0c3b4367869f4ea ] / Kapitel 4 / Kapitel 5 / [Kapitel 6](https: / /qiita.com/segavvy/items/ca4ac4c9ee1a126bff41) / Kapitel 7 / Kapitel 8 / Zusammenfassung)

Meine Umgebung

Dieses Mal werden wir mit macOS Mojave fortfahren.

Die eigentliche Betriebsumgebung ist eine virtuelle Maschine in Form von Mac auf Mac. Wenn es sich bei der Hardware um einen Mac handelt, würde ich ihn normalerweise so verwenden, wie er ist. Angesichts des Versuchs und Irrtums beim Erstellen einer Entwicklungsumgebung ist die virtuelle Maschine jedoch praktischer, da sie mit Snapshots verzweigen und zurückkehren kann.

Nachfolgend finden Sie die Details der Umgebung.

Das Erstellen dieser virtuellen Maschine wird unter Erstellen einer virtuellen macOS-Maschine mit Parallels Desktop (https://qiita.com/segavvy/items/306bd6574a42c35d860c) zusammengefasst.

Kapitel 1 Einführung in Python

Kapitel 1 ist eine Einführung in Python. Ich habe 100 Klopfen bei der Sprachverarbeitung in Python ausgeführt, daher fühlt sich dieses Kapitel wie eine Überprüfung von Python an. ..

1.1 Was ist Python?

Die Erklärung ist, dass Python gut ist.

1.2 Python-Installation

Ich habe Anaconda gemäß dem Buch installiert. Ich hatte keine besonderen Stolpersteine, aber das Buch erwähnt nur drei Zeilen zur Installation, daher fasse ich das Verfahren kurz zusammen.

Zuerst "Download" von der Anaconda-Website (https://www.anaconda.com/distribution), die im Buch aufgeführt ist. Leider ist es in Englisch.

Sie werden nach der Python-Version gefragt, also "Download" 3.7, die laut Buch die 3. Serie ist.

Führen Sie das heruntergeladene Installationsprogramm aus, um es zu installieren. Dies war auf Japanisch. Ich wurde gefragt, wo ich es unterwegs installieren soll, also habe ich "Für mich selbst installieren" gewählt. Wenn Sie Ihren Mac nicht mit anderen teilen, ist dies in Ordnung. Danach können Sie es installieren, wenn Sie normal fortfahren.

1.3 Python-Interpreter

Überprüfen Sie die Version im Terminal und führen Sie den Interpreter aus. Es scheint, dass es korrekt installiert wurde. Die Python-Version war übrigens 3.7.4.

1.4 Python-Skriptdatei

Wenn Sie die MacOS-Standardtextbearbeitung als Texteditor verwenden, stellen Sie das Format auf Standardtext ein. Andernfalls können Sie nicht mit der Erweiterung ".py" speichern. Sie können die "Standard-Textcodierung" beim Speichern als "Unicode (UTF-8)" belassen. Führen Sie "cd" an dem Ort aus, den Sie im Terminal gespeichert haben. Gute Stimmung! Es scheint kein Problem im Umgang mit Japanisch zu geben.

(Entgleisung) Vorbereitung von Visual Studio Code

Die Textbearbeitung eignet sich nicht wirklich zum Codieren, daher habe ich mich für Visual Studio Code entschieden. Sie können eine Menge Installation und Verwendung von Google finden, daher werde ich hier nur den Einführungsablauf zusammenfassen.

1. Installieren Sie zunächst Visual Studio Code. Wie ich bereits erwähnt habe, blieb ich bei der normalen Installation in Form von Mac auf Mac auf dem Display hängen, also Verwenden Sie Visual Studio-Code in der virtuellen macOS-Maschine von Parallels Desktop vorerst / segavvy / items / 802aa24d6893ef3b174c) wurde zusammengefasst.

2. Fügen Sie die von Microsoft verteilte "Python-Erweiterung für Visual Studio-Code" zur bequemen Verwendung in Python hinzu. @ tkdrecord's Ich habe versucht, Python mit Visual Studio Code auf einem Mac zu entwickeln ist hilfreich.

3. Fügen Sie das von Microsoft verteilte "Japanese Language Pack für Visual Studio-Code" hinzu, um es japanisch zu machen. Die japanische Lokalisierung von @ ntkgcj Visual Studio Code [vsCode] ist hilfreich.

4. Fügen Sie flake8 als Linter für die statische Analyse Ihres Codes hinzu. Sie können sich auf @ feuerfliegens Befolgen Sie bequem die VS-Code-Codierungsstandards beziehen.

5. Fügen Sie autopep8 als Formatierer hinzu, der den Code formatiert. Dies ist auch hilfreich für @ feuerteflys Befolgen Sie bequem die VS-Code-Codierungskonventionen.

6. Fügen Sie autoDocstring hinzu, um das Schreiben von Dokumentzeichenfolgen wie Funktionsbeschreibungen zu vereinfachen. Dies ist auch hilfreich für @ feuerteflys Befolgen Sie bequem die VS-Code-Codierungskonventionen.

7. Beim Start wird in der unteren rechten Ecke eine Meldung angezeigt. Wenn Sie das integrierte Terminal in der Umgebung von conda (in Anaconda enthalten) verwenden, ist es besser, es so einzustellen, dass die Umgebungseinstellung von Visual Studio Code nicht vererbt wird. Möchten Sie die Einstellungen ändern? Es scheint, dass es das bedeutet, also sagen wir "Ja".

Jetzt können Sie Ihren Code in Visual Studio Code schreiben und ihn einfach mit der grünen Dreieckschaltfläche in der oberen rechten Ecke ausführen. Gute Stimmung!

1.5 NumPy NumPy ist in Anaconda enthalten, sodass Sie es so verwenden können, wie es ist.

1.6 Matplotlib Matplotlib ist auch in Anaconda enthalten, sodass Sie es so verwenden können, wie es ist. Das in dem Buch verwendete Bild lena.png wird zusammen mit anderen Quellen in diesem Buch im GitHub-Repository von O'Reilly Japan veröffentlicht. Nutzen Sie also diese Gelegenheit, um alles auf einmal herunterzuladen ( Lass uns klonen).

Zunächst das GitHub-Repository für dieses Buch (https://github.com/oreilly-japan/deep-learning-from-scratch ). Wählen Sie hier "Klonen oder herunterladen" und dann "ZIP herunterladen". Es gibt lena.png im Ordner dataset im heruntergeladenen Ordner, sodass Sie es anzeigen können, indem Sie den Code schreiben, der auf den Pfad dieser Datei gemäß dem Buch verweist. Übrigens, wer ist diese Frau? Für diejenigen, die sagen, [Lena (Bilddaten)] auf Wikipedia (https://ja.wikipedia.org/wiki/%E3%83%AC%E3%83%8A_(%E7%94%BB%E5%83%8F) Bitte erläutern Sie% E3% 83% 87% E3% 83% BC% E3% 82% BF)).

1.7 Zusammenfassung

Wie Sie im Buch sehen können, ist dieses Kapitel das absolute Minimum an Python, NumPy und Matplotlib. Ich hatte es bereits mit Knock 100-Sprachverarbeitung angesprochen, daher war es ein gutes Gefühl, es zu überprüfen, aber wenn Sie mit dem Buch nicht zufrieden sind Ich denke, es wäre gut, mit den eingeführten Nachschlagewerken zu studieren.

Das ist alles für dieses Kapitel. Wenn Sie Fehler haben, wäre ich Ihnen dankbar, wenn Sie darauf hinweisen könnten. (Zu anderen Kapiteln dieses Memos: Kapitel 1 / Kapitel 2 / [Kapitel 3](https://qiita.com/segavvy/items/6d79d0c3b4367869f4ea ] / Kapitel 4 / Kapitel 5 / [Kapitel 6](https: / /qiita.com/segavvy/items/ca4ac4c9ee1a126bff41) / Kapitel 7 / Kapitel 8 / Zusammenfassung)