[PYTHON] Erstellen Sie mit VirtualBox und Ubuntu eine Scikit-Lernumgebung für maschinelles Lernen

VirtualBox installieren

Laden Sie das Installationsprogramm für Ihre Umgebung von der folgenden URL herunter und installieren Sie es. https://www.virtualbox.org

Laden Sie auch das "Oracle VM VirtualBox Extension Pack" herunter und führen Sie es nach der Installation von VirtualBox aus, um es zu installieren.

Erstellen Sie eine virtuelle Ubuntu-Maschine

Laden Sie das Image der virtuellen Festplatte von der folgenden URL herunter und extrahieren Sie die Zip-Datei. https://www.ubuntulinux.jp/download/ja-remix-vhd

Starten Sie VirtualBox und erstellen Sie eine neue virtuelle Maschine mit "Neu (N)". * Siehe obige URL.

Wenn der Name der virtuellen Maschine festgelegt ist, werden die folgenden Ordner im Ausgangsverzeichnis erstellt. Speichern Sie daher das Image der virtuellen Festplatte im Zielordner.

[Beispiel] Wenn der Name der virtuellen Maschine "Ubuntu" lautet

Windows

[Home-Verzeichnis]¥VirtualBox VMs¥Ubuntu¥

Mac/Linux

~/VirtualBox VMs/Ubuntu/

Übrigens habe ich den Hauptspeicher auf 4 GB eingestellt.

Starten Sie nach dem Einstellen die virtuelle Maschine und nehmen Sie die Grundeinstellungen vor.

SSH-Verbindungseinstellungen

Wenn Sie die virtuelle Maschine mit SSH-Verbindung betreiben möchten, anstatt sie direkt zu betreiben, führen Sie die folgenden Schritte aus.

Führen Sie nach Abschluss der Grundeinstellungen und Anzeige des Desktops den folgenden Befehl aus, damit Sie mit SSH eine Verbindung zur virtuellen Maschine herstellen können.

$ sudo apt-get install openssh-server

Fahren Sie nach der Ausführung die virtuelle Maschine herunter und ändern Sie die VirtualBox-Netzwerkeinstellung von "NAT" in "Bridge Adapter". Dies ermöglicht eine SSH-Verbindung zur IP-Adresse der virtuellen Maschine.

$ ssh [Nutzername]@[IP Adresse]

Erstellen einer Python3-Umgebung mit pyenv

Bitte beziehen Sie sich auf die folgende Seite. http://qiita.com/akito1986/items/be5dcd1a502aaf22010b

Installation der erforderlichen Pakete

Installieren Sie die für die Installation von pyenv erforderlichen Pakete.

$ sudo apt-get install git gcc make openssl libssl-dev libbz2-dev libreadline-dev libsqlite3-dev

Installieren Sie pyenv

Führen Sie den folgenden Befehl aus.

$ cd /usr/local/
$ sudo git clone git://github.com/yyuu/pyenv.git ./pyenv
$ sudo mkdir -p ./pyenv/versions ./pyenv/shims
$ cd /usr/local/pyenv/plugins/
$ sudo git clone git://github.com/yyuu/pyenv-virtualenv.git

Erstellen Sie eine PATH-Konfigurationsdatei.

$ echo 'export PYENV_ROOT="/usr/local/pyenv"' | sudo tee -a /etc/profile.d/pyenv.sh
$ echo 'export PATH="${PYENV_ROOT}/shims:${PYENV_ROOT}/bin:${PATH}"' | sudo tee -a /etc/profile.d/pyenv.sh
$ source /etc/profile.d/pyenv.sh

Funktionsprüfung.

$ pyenv --version

PATH-Einstellung für sudo

$ sudo visudo

Bearbeiten Sie wie folgt.

#Veränderung
Defaults    secure_path="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"
↓
# Defaults  secure_path="/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin"

#hinzufügen
Defaults    env_keep += "PATH"
Defaults    env_keep += "PYENV_ROOT"

Installation von python3 (keine Implementierung erforderlich)

Führen Sie den folgenden Befehl aus

$ sudo pyenv install -v 3.5.1

Bestätigung nach der Installation.

$ pyenv versions
* system (set by /usr/local/pyenv/version)
  3.5.1

Ändern Sie die Standardversion.

$ sudo pyenv global 3.5.1

Bestätigung des Änderungsergebnisses.

$ pyenv versions
  system
* 3.5.1 (set by /usr/local/pyenv/version)
$ python --version
Python 3.5.1

Darüber hinaus ist 3.5.1 die neueste Version vom 12. April 2016.

Miniconda installieren

Bitte beziehen Sie sich auf die folgende Seite. http://qiita.com/icoxfog417/items/950b8af9100b64c0d8f9

Führen Sie den folgenden Befehl aus.

$ sudo pyenv install miniconda3-3.19.0
$ sudo pyenv global miniconda3-3.19.0

Überprüfen Sie das Ausführungsergebnis.

$ pyenv versions
  system
  3.5.1 (set by /usr/local/pyenv/version)
* miniconda3-3.19.0 (set by /usr/local/pyenv/version)
$ python --version
Python 3.5.1 :: Continuum Analytics, Inc.

Aufbau einer virtuellen Umgebung für maschinelles Lernen

Führen Sie den folgenden Befehl aus.

$ conda create -n ml_env numpy scipy scikit-learn matplotlib cython ipython python-notebook
$ source ./.conda/envs/ml_env/bin/activate ml_env
(ml_env)$

Funktionsprüfung

Siehe das Tutorial auf der offiziellen Website. http://scikit-learn.org/stable/tutorial/basic/tutorial.html

Laden Sie den Beispieldatensatz und zeigen Sie ihn an.

$ python
>>> from sklearn import datasets
>>> iris = datasets.load_iris()
>>> digits = datasets.load_digits()
>>> print(digits.data)  
[[  0.   0.   5. ...,   0.   0.   0.]
 [  0.   0.   0. ...,  10.   0.   0.]
 [  0.   0.   0. ...,  16.   9.   0.]
 ...,
 [  0.   0.   1. ...,   6.   0.   0.]
 [  0.   0.   2. ...,  12.   0.   0.]
 [  0.   0.  10. ...,  12.   1.   0.]]

Wenn es wie oben ausgegeben wird, OK!

Das Problem ist, was von nun an zu tun ist ... (Schweiß)