[PYTHON] Realisieren Sie mit Docker und Vagrant die Umgebungskonstruktion für "Deep Learning von Grund auf neu"
WHY
Der Grund, warum ich mich entschied, diesen Artikel zu schreiben, war, dass ich die folgenden Bücher während der Jahresend- und Neujahrsferien gelernt habe. Wenn ich jedoch nicht mit Python vertraut bin, bleiben einige Teile hängen, sodass ich die mentalen Kosten für den Aufbau einer Umgebung senken konnte Ich habe mich gefragt, ob einige Leute es nicht schaffen könnten.
WHAT
Der Teil, den ich für verstopft hielt, war die Visualisierung der Figur. Ich benutze matplotlib, um die Figur zu visualisieren, aber es gibt eine Falle beim Erstellen der Umgebung, und wenn sie hineinpasst, kann es einige Zeit dauern, sie zu lösen.
Hier kommt Docker ins Spiel, wo jeder die gleiche Umgebung erstellen kann. Ich habe in Vagrant eine Umgebung für Docker erstellt und verwende Docker, sodass ich eine Umgebung realisiert habe, die völlig unabhängig von meinem PC ist.
Die Technologie, die verwendet wird, um dies zu erreichen, ist wie folgt.
- Vagrant
- ansible
- docker
- ipython notebook
Diese Technologien erleichtern das Tragen und Verstehen.
HOW
Wie es eigentlich geht.
Holen Sie sich den Code und gehen Sie zum Code-Ordner
git clone https://github.com/SnowMasaya/deep-learning-excerise.git
cd {Ordner heruntergeladen}
Starten Sie Vagrant Wenn Sie Vagrant bereits verwenden, stellen Sie sicher, dass Ihre IP-Adresse eindeutig ist.
Ändern Sie den folgenden Teil der Vagrant-Datei.
config.vm.network "private_network", ip: "{Zu ändernde IP-Adresse}"
vagrant up
Umgebung
ansible-playbook -i provisioning/hosts provisioning/site.yml
Holen Sie sich das Docker-Image
docker pull masayaresearch/deep-learning-scratch-excerise
Starten Sie Docker und greifen Sie auf Docker zu
docker run -p 8888:8888 -it masayaresearch/deep-learning-scratch-excerise bash
Starten Sie das iPython Notebook
ipython notebook --no-browser --port 8888 --ip=*
Zugriff auf den Browser
http://192.168.33.25:8888
Wenn der folgende Bildschirm angezeigt wird, können Sie sehen, dass Sie auf das ipython-Notizbuch zugreifen können.
Bitte beziehen Sie sich auf deep-learning-1.ipynb, da es das Bild tatsächlich zeichnet.
Code
github
https://github.com/SnowMasaya/deep-learning-excerise/blob/master/docker/python/deep-learning-1.ipynb
Docker hub
masayaresearch/deep-learning-scratch-excerise
Referenz
https://github.com/oreilly-japan/deep-learning-from-scratch
Recommended Posts