[PYTHON] Maschinelles Lernen ab 0 für theoretische Physikstudenten # 2

Inhaltsverzeichnis

  1. Standard Python 2.0 Erstellen einer Python-Umgebung von 0
  2. Vorbereitung für die Codierung

Es mag überflüssig sein, aber ich möchte mit einem Bewusstsein von "von 0" schreiben.

1. Standard Python

Entwicklungsumgebung: MacOS 10.13.6 Grundsätzlich wird das Terminal des Mac als CUI verwendet. (CUI: Arbeiten mit Zeichen der Zeichenbenutzeroberfläche)

Das Anzeigeformat des Terminals ist [Computername: Aktueller Verzeichnisname Benutzername ] Es ist geworden. (Es gibt eine Möglichkeit, es zu verkürzen, aber wenn Sie ein Anfänger sind, sollten Sie wissen, wo sich das aktuelle Verzeichnis befindet.) Beschreiben Sie danach nur noch "".

Python 2.7.16 war Standard auf dem Mac. Die Bestätigungsmethode ist wie folgt.

python


$python -V
Python 2.7.16

In meinem Fall wurde es in Version 2.7.16 angezeigt.

2.0 Erstellen einer Python-Umgebung von Grund auf neu

Es kann mit Python2 als Standardausrüstung entwickelt werden, aber es scheint, dass Python Python2 und Python3 hat, und es scheint, dass entschieden wurde, dass Python2 nach 2.7 nicht aktualisiert wird. Wenn Sie Python von nun an lernen möchten, möchte ich Python3 installieren.

Das Installationsprogramm wird kostenlos von der offiziellen Python-Website bereitgestellt. Offizielle Python-Website Wenn Sie die neueste Version von hier herunterladen, sollte es kein Problem geben.

Überprüfen Sie die Version, wenn die Installation abgeschlossen ist.

python


$python3 -V
Python 3.8.0

Unter MacOS lautet der Befehl "python3". Meine Version war 3.8.0.

3. Vorbereitung für die Codierung

Sobald Python3 installiert ist, können Sie die Sprache Python unter MacOS verarbeiten. Ohne ein Programm ist es jedoch bedeutungslos, es zu verarbeiten. Als nächstes machen Sie sich bereit, Code zu schreiben.

Es wird der berühmte Texteditor Visual Studio Code (im Folgenden als VSCode bezeichnet) verwendet. Ein Texteditor ist derselbe wie das Standard-Memo auf dem Mac, und Sie können sich VS Code als codierungsspezifisch vorstellen.

Offizielle Website von Visual Studio Code Installieren Sie auch von hier aus.

Nach der Installation müssen Sie es nur noch verwenden. Sie können VS Code an Ihre eigene Entwicklungsumgebung anpassen, indem Sie das Plug-In als Erweiterung installieren. Wenn Sie es auf Japanisch verwenden möchten, klicken Sie auf das Plug-In "Japanische Sprache". Da es in Python codiert ist, installieren Sie das Python-Plug-In. (Das Plug-In kann später aktiviert / deaktiviert werden.)

Wenn Sie einen Stecker namens "Shell" installieren, können Sie das Terminal verwenden

python


$code [Dateiname]

VS Code startet die Datei nur durch Eingabe. Codieren Sie danach mit VS-Code und speichern Sie ihn mit der Tastenkombination "Befehl + S" auf der Mac-Tastatur, um die Codierung abzuschließen.

Das Terminal kann auch mit der Tastenkombination "Umschalt + Steuerung + @" in VSCode gestartet werden, sodass die GUI (Maus) fast nicht verwendet werden muss.

Verweise

Nächste Ziel

--Installation von Tesonrflow und Keras

Recommended Posts

Maschinelles Lernen ab 0 für theoretische Physikstudenten # 1
Maschinelles Lernen ab 0 für theoretische Physikstudenten # 2
Maschinelles Lernen von Grund auf neu (maschinelles Lernen mit Kaggle)
Python-Lernnotiz für maschinelles Lernen von Chainer aus Kapitel 2
Lernmethode zum Lernen von maschinellem Lernen von Grund auf neu (Version März 2020)
Datensatz für maschinelles Lernen
Japanische Vorverarbeitung für maschinelles Lernen
[Maschinelles Lernen] Unkorrelation aus der Mathematik verstehen
<Für Anfänger> Python-Bibliothek <Für maschinelles Lernen>
Informationen zum maschinell erlernten Meeting für HRTech
[Empfohlenes Tagging für maschinelles Lernen # 4] Skript für maschinelles Lernen ...?
Newton-Methode für maschinelles Lernen (von 1 Variablen zu mehreren Variablen)
Verstärken Sie Bilder für maschinelles Lernen mit Python
"Python AI Programmierung" ab 0 für Windows
Verwenden Sie die API-Gruppe A3RT für maschinelles Lernen aus Python
Eine Einführung in OpenCV für maschinelles Lernen
Warum Python für maschinelles Lernen ausgewählt wird
"Verwendbare" One-Hot-Codierungstechnik für maschinelles Lernen
Maschinelles Lernen
[Shakyo] Begegnung mit Python zum maschinellen Lernen
[Python] Webanwendungsdesign für maschinelles Lernen
Eine Einführung in Python für maschinelles Lernen
Erstellen einer Entwicklungsumgebung für maschinelles Lernen
Feature Engineering für maschinelles Lernen Beginnend mit dem 4. Google Colaboratory - Interacting Features
Eine Einführung in maschinelles Lernen für Bot-Entwickler
Maschinelles Lernen beginnend mit Python Personal Memorandum Part2
Empfohlene Studienreihenfolge für Anfänger des maschinellen Lernens / Deep Learning
Maschinelles Lernen beginnend mit Python Personal Memorandum Part1
Hinweise zum maschinellen Lernen (von Zeit zu Zeit aktualisiert)
Algorithmus für maschinelles Lernen (von der Klassifizierung in zwei Klassen bis zur Klassifizierung in mehreren Klassen)
[Hinweis] Python beim Starten von maschinellem Lernen / Deep Learning [Links]
[Python] Sammeln Sie Bilder mit Icrawler für maschinelles Lernen [1000 Blatt]
Überblick über maschinelle Lerntechniken, die aus Scikit-Learn gelernt wurden
Sammeln Sie Bilder für maschinelles Lernen (Bing Search API)
[Für Anfänger] Einführung in die Vektorisierung beim maschinellen Lernen
[CodeIQ] Ich habe die Wahrscheinlichkeitsverteilung von Würfeln geschrieben (aus dem CodeIQ-Mathematikkurs für maschinelles Lernen [Wahrscheinlichkeitsverteilung]).
[Python] Speichern Sie PDF von Google Colaboratory in Google Drive! -Lass uns Daten für maschinelles Lernen sammeln-
[Memo] Maschinelles Lernen
Klassifikation des maschinellen Lernens
Beispiel für maschinelles Lernen
Bildersammlung Python-Skript zum Erstellen von Datensätzen für maschinelles Lernen
Erstellen Sie mit Python eine interaktive Umgebung für maschinelles Lernen
[Empfohlenes Tagging beim maschinellen Lernen # 2] Erweiterung des Scraping-Skripts
[Empfohlenes Tagging beim maschinellen Lernen # 2.5] Änderung des Scraping-Skripts
[Maschinelles Lernen] SVM sowohl aus Scikit-Lernen als auch aus Mathematik verstehen
Installation von TensorFlow, einer Bibliothek für maschinelles Lernen von Google
Vorbereitung zum Starten von "Python Machine Learning Programming" (für macOS)
[Python] Ich habe einen Klassifikator für Iris erstellt [Maschinelles Lernen]
Pip die maschinelle Lernbibliothek von einem Ende (Ubuntu)
14 E-Mail-Newsletter zum Sammeln von Informationen zum maschinellen Lernen
Konstruktionsnotiz für eine maschinelle Lernumgebung von Python
xgboost: Effektives Modell für maschinelles Lernen für Tabellendaten
Erstellen Sie mit Winsows 10 eine maschinelle Lernumgebung von Grund auf neu
Einführung in das maschinelle Lernen mit Simple Perceptron
Alles für Anfänger, um maschinelles Lernen zu können
Aufbau einer Umgebung für maschinelles Lernen von Grund auf neu (Windows 10 + Anaconda + VSCode + Tensorflow + GPU-Version)