[PYTHON] Reinforcement Learning 23 Erstellen und verwenden Sie Ihr eigenes Modul mit Colaboratory

Dies ist eine Methode zum Erstellen und Verwenden eines eigenen Moduls in Colaboratory.

Erstellen Sie zunächst einen Ordner für das Modul in Google Drive. Der Name ist chokozainerRL. Erstellen Sie eine leere Datei \ _ \ _ init__.py in chokozainerRL. Ich habe eine Datei mit VSCode erstellt und hochgeladen. Erstellen Sie als Nächstes eine test.py-Datei wie die folgende und laden Sie sie hoch.

test.py


class Test:
  def sayStr(self, str):
    print(str)
Im Chokozainer-Ordner
    __test__.py
    test.py

Das Notizbuch sieht wie folgt aus.

import google.colab.drive
google.colab.drive.mount('gdrive')
!ln -s gdrive/My\ Drive mydrive
!ln -s gdrive/My\ Drive/chokozainer chokozainer

from chokozainerRL import test
a=test.Test()
a.sayStr("Hello Papa")

Wenn das Programm wächst, wird es bequemer, ein eigenes Modul zu erstellen.

Recommended Posts

Reinforcement Learning 23 Erstellen und verwenden Sie Ihr eigenes Modul mit Colaboratory
[Stärkung des Lernens] DQN mit Ihrer eigenen Bibliothek
Erstellen Sie mit Twisted Ihren eigenen DNS-Server
Erstellen Sie mit SQLAlchemy Ihren eigenen zusammengesetzten Wert
So importieren Sie Ihr eigenes Modul mit jupyter
Verwenden Sie TPU und Keras mit Google Colaboratory
Fügen Sie Ihre eigenen Bilddaten in Deep Learning ein und spielen Sie damit
Erstellen Sie mit Python + OpenCV Ihre eigene virtuelle Kamera und wenden Sie Originaleffekte an
Erweitern und erweitern Sie Ihren eigenen Deep Learning-Datensatz
Erstellen Sie schnell Ihr eigenes Modul mit setuptools (Python)
Erstellen Sie ein Rad Ihres eigenen OpenCV-Moduls
"Learning word2vec" und "Visualisierung mit Tensorboard" auf Colaboratory
[Maschinelles Lernen] Erstellen Sie ein Modell für maschinelles Lernen, indem Sie Transferlernen mit Ihrem eigenen Datensatz durchführen
Erstellen Sie Ihre eigene Ausnahme
Memo zum Erstellen einer eigenen Box mit Peppers Python
Stärkung des Lernens 18 Colaboratory + Acrobat + ChainerRL
Stärkung des Lernens 17 Colaboratory + CartPole + ChainerRL
Stärkung des Lernens 28 colaboratory + OpenAI + chainerRL
Stärkung des Lernens 19 Colaboratory + Mountain_car + ChainerRL
Verbessertes Lernen ab Python
Stärkung des Lernens 20 Colaboratory + Pendulum + ChainerRL
Wie Sie pyenv und pyenv-virtualenv auf Ihre eigene Weise verwenden
Erkennen Sie Ihren Chef mit Deep Learning und verbergen Sie den Bildschirm
Erstellen Sie Ihre eigene Django-Middleware
Erstellen Sie Ihre eigene Diagrammstrukturklasse und deren Zeichnung mit Python
[Einführung in Style GAN] Einzigartiges Lernen von Animation mit Ihrer eigenen Maschine ♬
Erstellen Sie Ihre eigene IoT-Plattform mit Himbeerpi und ESP32 (Teil 1)
Einführung in Deep Learning (2) - Versuchen Sie Ihre eigene nichtlineare Regression mit Chainer-
Stärkung des Lernens 21 Labor + Pendel + ChainerRL + A2C
Lernen stärken 13 Probieren Sie Mountain_car mit ChainerRL aus.
[Python] Anmelden Ihres eigenen Moduls
Löse dein eigenes Labyrinth mit Q-Lernen
Stärkung des Lernens 22 Colaboratory + CartPole + ChainerRL + A3C
Entdecken Sie das Labyrinth mit erweitertem Lernen
Erstellen Sie Ihren eigenen Namensauflösungsdienst
[Django] Erstellen Sie Ihre eigene 403, 404, 500-Fehlerseite
Stärkung des Lernens 24 Colaboratory + CartPole + ChainerRL + ACER
Trainiere UGATIT mit deinem eigenen Datensatz
Löse dein eigenes Labyrinth mit DQN
Lassen Sie uns ein Bilderkennungsmodell mit Ihren eigenen Daten erstellen und spielen!
Lernen Sie mit Shogi AI Deep Learning auf Mac und Google Colab Verwenden Sie Google Colab
Ihr eigener Twitter-Client mit Django
Erstellen Sie Ihre eigenen Linux-Befehle in Python
Erstellen Sie mit python3 eine Wortwolke aus Ihrem Tweet
[LLDB] Erstellen Sie Ihren eigenen Befehl mit Python
Verwenden Sie einfach Ihre eigenen Funktionen in Python
[Python] Packen und verteilen Sie Ihre eigenen Module
Verwenden Sie Jupyter Lab und Jupyter Notebook mit EC2
Machen Sie Ihren eigenen PC für tiefes Lernen
Erstellen der ersten App mit Django Startprojekt
Veröffentlichen Sie Ihre eigene Python-Bibliothek auf Homebrew
[Python] Probieren Sie mit Keras-RL ganz einfach erweitertes Lernen (DQN) aus
Verwenden Sie Python und MeCab mit Azure-Funktionen
Stärkung des Lernens 11 Probieren Sie OpenAI Acrobot mit ChainerRL aus.