[PYTHON] [Windows 10] Aufbau einer "Deep Learning from Scratch" -Umgebung

Einführung

Dieses Dokument beschreibt die Vorbereitung, die erforderlich ist, um den Code jedes Buches "Deep Learning von Grund auf neu" (1) bis (3) zu bedienen. Grundsätzlich für diejenigen, die noch nie ein Programm geschrieben haben oder unerfahren sind. Dies kann auch für Benutzer nützlich sein, die nicht unter Windows entwickeln.

"Git, vscode usw. sind an der Tagesordnung!" Bitte beachten Sie, dass dieses Dokument für diejenigen, die sagen, nicht erforderlich ist.

Python-Installation

Laden Sie das Installationsprogramm von der offiziellen Website herunter. https://www.python.org/

Sie können es herunterladen, indem Sie oben auf der Seite auf "Downloads" zeigen und auf den Link klicken, der unter "Download für Windows" angezeigt wird.

Vergessen Sie nicht, es während der Installation in den Pfad einzufügen. Aktivieren Sie im ersten Bildschirm des Installationsassistenten die Option "Python 3.X zu PATH hinzufügen".

Wenn dies vernachlässigt wird, kann der Befehl pip nicht verwendet werden. Darüber hinaus kann es Probleme geben, z. B. die falsche Identifizierung als deinstalliertes Python im Windows Store und das Nichtakzeptieren von Befehlen (Erfahrungsbericht).

Git Installation

Da sich der Beispielcode auf github befindet, werde ich ihn mit git clone herunterladen. Als Vorbereitung müssen Sie git installieren.

Um git zu installieren, gehen Sie zur offiziellen Website. https://git-scm.com/

Sie können das Installationsprogramm herunterladen, indem Sie rechts auf der Seite auf den Link "x.xx.xx für Windows herunterladen" klicken.

Installation von Python-Modulen

Installieren Sie die Bibliotheken, die zum Ausführen der Programme in diesem Handbuch erforderlich sind. Die erforderlichen Bibliotheken unterscheiden sich je nach Volume. Wenn Sie jedoch zuerst nur ein Volume lesen möchten, ist es kein Problem, wenn Sie nur zwei, numpy und matplotlab, installieren. Die anderen Bibliotheken werden benötigt, um den Code in Band 2 und 3 auszuführen.

Starten Sie ** git bash ** über das Startmenü. (Auch an der Eingabeaufforderung möglich)

Aktualisieren Sie zuerst pip selbst. Da pip häufig aktualisiert wird, empfehlen wir, dass Sie es auch dann aktualisieren, wenn Sie Python bereits installiert haben.

bash

$ pip install --upgrade pip

numpy [Bände 1 bis 3]

Dann installiere numpy. numpy ist eine numerische Python-Berechnungsbibliothek.

bash

$ pip install numpy

matplotlib [Bände 1-3]

Als nächstes installieren Sie matplotlib. Obwohl matplotlib nicht mit dem Betrieb des maschinellen Lernens selbst zusammenhängt, wird es verwendet, um den Fortschritt und die Leistung des maschinellen Lernens in einem Diagramm anzuzeigen und zu bewerten.

bash

$ pip install matplotlib

sklearn [Band 2]

Band 2 erfordert zusätzlich zu den beiden oben genannten sklearn. (Sie können den Code auch ohne ihn ausführen, das Erlernen dauert jedoch lange. Sie sollten ihn daher installieren.) Nicht erforderlich für Band 1.

bash

$ pip install sklearn

CuPy [Bände 2 und 3]

Es ist eine Option für 2 und 3 Volumes und für 1 Volume nicht erforderlich. Es ist eine Option, damit Sie es nicht installieren müssen (auch wenn Sie dies nicht tun, passt es in eine realistische Berechnungszeit). Es ist jedoch besser, es einzuführen, wenn Sie versuchen, es durch Ändern des Programms zu komplizieren.

CuPy kann nur auf PCs mit NVIDIA-GPUs verwendet werden.

Informationen zur Installationsmethode finden Sie im separaten Artikel unten. https://qiita.com/BARANCE_TW/items/30abf85c55070a2bdc9d

Kissen [Band 3]

Pillow ist eine Bibliothek zur Bildverarbeitung. Es hat eine Funktion zum Verarbeiten des Bildes, indem der Farbraum geändert und binärisiert wird.

bash

$ pip install pillow

Graphviz [Band 3]

graphviz ist ein Werkzeug zum Zeichnen von Grafiken. Der hier erwähnte Graph ist kein allgemeiner Graph, der von matplotlib gezeichnet wurde, sondern ein Graph, der aus Kanten und Knoten besteht, die in der Graphentheorie verwendet werden.

Informationen zur Installationsmethode finden Sie im separaten Artikel unten. https://qiita.com/BARANCE_TW/items/c3f7816d38cc9e746bbd

Beispielcode-Klon

Erstellen Sie vor dem Klonen ein geeignetes Arbeitsverzeichnis (Ordner). Im Folgenden wird davon ausgegangen, dass ein Verzeichnis mit dem Namen "ai" direkt unter dem Laufwerk C erstellt wird. (Das heißt, C: \ ai wird zum Arbeitsbereichsverzeichnis)

Öffnen Sie anschließend die Repository-URL in Ihrem Browser und klicken Sie auf die grüne Schaltfläche rechts, um die angezeigte Klon-URL zu kopieren.

Das Repository für jedes Volume befindet sich unten.

――Repository von "Deep Learning von Grund auf neu" https://github.com/oreilly-japan/deep-learning-from-scratch --Repository von "Deep Learning 2 von Grund auf neu gemacht" https://github.com/oreilly-japan/deep-learning-from-scratch-2 --Repository von "Deep Learning 3 von Grund auf neu" https://github.com/oreilly-japan/deep-learning-from-scratch-3

Öffnen Sie nach dem Kopieren der Klon-URL ** git bash ** und fügen Sie die kopierte Klon-URL in die unten stehende {Klon-URL} ein und führen Sie sie aus. Nach kurzer Zeit wird der Beispielcode in das entsprechende Verzeichnis geklont.

bash

$ cd /c/ai
$ git clone {clone URL}

vscode Installation

Die Codemenge ist selbst mit einer interaktiven Konsole bis zum Beginn von Band 1 ausreichend. Da jedoch die Codemenge und die Anzahl der Dateien nach der mittleren Phase explosionsartig zunehmen, wird empfohlen, eine Umgebung zu verwenden. Ich werde vscode hier installieren, aber wenn Sie eine IDE oder einen Editor haben, den Sie mögen, ist das in Ordnung.

Laden Sie vscode von unten herunter.

Arbeitsbereich öffnen

Öffnen Sie nach dem Starten von vscode zunächst das geklonte Verzeichnis als Arbeitsbereich. Klicken Sie auf das Menü Datei und wählen Sie Ordner öffnen. (Beachten Sie, dass es sich nicht um "Arbeitsbereich öffnen" handelt.)

Gehen Sie danach in das geklonte Verzeichnis und klicken Sie auf "Ordner auswählen", um den Arbeitsbereich zu öffnen. Stellen Sie sicher, dass die Liste der geklonten Dateien im "Explorer" auf der linken Seite angezeigt wird.

Bearbeiten von launch.json

Mit vscode können Sie Code mit "Strg" + "F5" ausführen (oder die Ausführung mit "F5" debuggen). Das Ausführungsverzeichnis zu diesem Zeitpunkt ist jedoch standardmäßig das Stammverzeichnis des Arbeitsbereichs. In diesem Zustand treten die folgenden Probleme auf.

• Von / Import, der am Speicherort der Datei beginnt, in die der Code geschrieben wurde, funktioniert nicht wie erwartet.
• Das Verzeichnis zum Lesen / Schreiben von Dateien mit Pickle usw. wird zum Stammverzeichnis des Arbeitsbereichs.

Um dieses Problem zu lösen, bearbeiten Sie launch.json, um das Verzeichnis mit den Dateien zum Ausführungsverzeichnis zu machen. Wählen Sie zunächst die Registerkarte "Ausführen" an der Stelle aus, an der die Symbole links ausgerichtet sind, und wählen Sie dann "Datei" launch.json erstellen ".

Als nächstes wird die Meldung "Debug-Konfiguration auswählen" angezeigt. Klicken Sie daher auf "Python-Datei".

Anschließend wird der Bearbeitungsbildschirm von launch.json angezeigt. Diese Datei wird im Verzeichnis ".vscode" direkt unter dem Arbeitsbereich-Stammverzeichnis gespeichert.

Fügen Sie die Notation "cwd": "$ {fileDirname}" zum Wert "configuration" in dieser Datei hinzu. Die Datei nach dem Hinzufügen lautet wie folgt.

launch.json

{
    //Mit IntelliSense können Sie die verfügbaren Attribute kennenlernen.
    //Bewegen Sie den Mauszeiger und zeigen Sie die Beschreibung der vorhandenen Attribute an.
    //Überprüfen Sie das Folgende für weitere Informationen: https://go.microsoft.com/fwlink/?linkid=830387
    "version": "0.2.0",
    "configurations": [
        {
            "name": "Python: Current File",
            "type": "python",
            "request": "launch",
            "program": "${file}",
            "console": "integratedTerminal", //Fügen Sie am Ende ein Komma hinzu
            "cwd": "${fileDirname}" //Hier hinzufügen!!
        }
    ]
}

Wenn Sie nun "Strg" + "F5" drücken, wird das Programm ausgeführt, nachdem Sie zur Laufzeit in den Pfad verschoben haben, in dem sich die Datei befindet.