[PYTHON] Créez un environnement d'apprentissage automatique scikit-learn avec VirtualBox et Ubuntu

Installation de VirtualBox

Téléchargez et installez le programme d'installation de votre environnement à partir de l'URL ci-dessous. https://www.virtualbox.org

Téléchargez également "Oracle VM VirtualBox Extension Pack" et exécutez-le après avoir installé VirtualBox pour l'installer.

Créer une machine virtuelle Ubuntu

Téléchargez l'image du disque dur virtuel à partir de l'URL suivante et extrayez le fichier Zip. https://www.ubuntulinux.jp/download/ja-remix-vhd

Démarrez VirtualBox et créez une nouvelle machine virtuelle avec "Nouveau (N)". * Voir l'URL ci-dessus.

Lorsque le nom de la machine virtuelle est défini, les dossiers suivants seront créés dans le répertoire de base, donc enregistrez l'image du disque dur virtuel dans le dossier cible.

[Exemple] Lorsque le nom de la machine virtuelle est "Ubuntu"

Windows


[Annuaire personnel]¥VirtualBox VMs¥Ubuntu¥

Mac/Linux


~/VirtualBox VMs/Ubuntu/

Au fait, j'ai réglé la mémoire principale sur 4 Go.

Après la configuration, démarrez la machine virtuelle et effectuez les paramètres initiaux.

Paramètres de connexion SSH

Si vous souhaitez utiliser la machine virtuelle avec une connexion SSH au lieu de l'exploiter directement, suivez les étapes ci-dessous.

Une fois les paramètres initiaux définis et le bureau affiché, exécutez la commande suivante afin de pouvoir vous connecter à la machine virtuelle avec SSH.

$ sudo apt-get install openssh-server

Après l'exécution, arrêtez la machine virtuelle et modifiez le paramètre réseau VirtualBox de "NAT" à "Bridge Adapter". Cela permet une connexion SSH à l'adresse IP de la machine virtuelle.

$ ssh [Nom d'utilisateur]@[adresse IP]

Construire un environnement python3 avec pyenv

Veuillez vous référer au site suivant. http://qiita.com/akito1986/items/be5dcd1a502aaf22010b

Installation des packages requis

Installez les packages requis pour installer pyenv.

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

Installez pyenv

Exécutez la commande suivante.

$ 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

Créez un fichier de configuration PATH.

$ 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

Contrôle de fonctionnement.

$ pyenv --version

Paramètre PATH pour sudo

$ sudo visudo

Modifiez comme suit.

#Changement
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"

#ajouter à
Defaults    env_keep += "PATH"
Defaults    env_keep += "PYENV_ROOT"

Installation de python3 (aucune implémentation requise)

Exécutez la commande suivante

$ sudo pyenv install -v 3.5.1

Confirmation après l'installation.

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

Changez la version par défaut.

$ sudo pyenv global 3.5.1

Confirmation du résultat du changement.

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

En outre, la version 3.5.1 est la dernière version en date du 12 avril 2016.

Installation de Miniconda

Veuillez vous référer au site suivant. http://qiita.com/icoxfog417/items/950b8af9100b64c0d8f9

Exécutez la commande suivante.

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

Vérifiez le résultat de l'exécution.

$ 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.

Créer un environnement virtuel pour l'apprentissage automatique

Exécutez la commande suivante.

$ 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)$

Contrôle de fonctionnement

Voir le tutoriel sur le site officiel. http://scikit-learn.org/stable/tutorial/basic/tutorial.html

Chargez et affichez l'exemple de jeu de données.

$ 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.]]

S'il est émis comme ci-dessus, OK!

Le problème est de savoir quoi faire à partir de maintenant ... (suer)

Recommended Posts

Créez un environnement d'apprentissage automatique scikit-learn avec VirtualBox et Ubuntu
Créer un environnement d'apprentissage automatique
Créer un environnement d'apprentissage automatique Python avec des conteneurs
Créer un environnement de développement d'applications d'apprentissage automatique avec Python
Construction d'environnement AI / Machine Learning avec Python
Créez un environnement virtuel avec pyenv et venv
Créer un environnement python3 avec ubuntu 16.04
Créez un environnement virtuel python avec virtualenv et virtualenvwrapper
Créer un environnement Python d'apprentissage automatique sur Mac OS
Apprentissage automatique facile avec scikit-learn et flask ✕ Application Web
Créez un environnement virtuel python avec virtualenv et virtualenvwrapper
L'apprentissage automatique pratique avec Scikit-Learn et TensorFlow-TensorFlow a abandonné -
Créez un environnement d'apprentissage automatique à partir de zéro avec Winsows 10
Windows10 (x64) Créer nativement un environnement d'apprentissage automatique
Construire un environnement de calcul numérique avec pyenv et miniconda3
Créer un environnement d'étude d'apprentissage automatique Python avec macOS Sierra
Créer un environnement d'apprentissage automatique sur Mac (pyenv, deeplearning, opencv)
Créez un environnement d'apprentissage automatique à l'aide de PyCharm sur un environnement Ubuntu (TensorFlow sera également introduit!)
(Maintenant) Construisez un environnement GPU Deep Learning avec GeForce GTX 960
SVM essayant l'apprentissage automatique avec scikit-learn
Jusqu'à ce que vous créiez un environnement d'apprentissage automatique avec Python sur Windows 7 et que vous l'exécutiez
Créer un environnement PyData pour une session d'étude sur l'apprentissage automatique (janvier 2017)
Comment créer un environnement virtuel Anaconda à utiliser avec Azure Machine Learning et comment créer un lien avec Jupyter
Comment dessiner de manière interactive un pipeline d'apprentissage automatique avec scikit-learn et l'enregistrer au format HTML
Créez un environnement Python 2.7 64 bits avec TDM-GCC et MinGW-w64 sous Windows 7
Création d'un environnement Windows 7 pour une introduction à l'apprentissage automatique avec Python
Créez un environnement Python sur votre Mac avec Anaconda et PyCharm
[Note de lecture] Apprentissage automatique pratique avec Scikit-Learn, Keras et TensorFlow Chapitre 1
[DynamoDB] [Docker] Créer un environnement de développement pour DynamoDB et Django avec docker-compose
Créez facilement un environnement de développement avec Laragon
Créer un environnement Python 3 et OpenCV sur Ubuntu 18.04
Créer un environnement Tensorflow avec Raspberry Pi [2020]
Une histoire sur l'apprentissage automatique avec Kyasuket
Créez un environnement d'API rapide avec docker-compose
Créer un environnement pour Python et l'apprentissage automatique (macOS)
[Linux] Créer un environnement Jenkins avec Docker
Créez un environnement virtuel pour python avec pyenv
Construisez une machine d'acquisition de capture avec Selenium
Créez un environnement Python moderne avec Neovim
Créer un environnement de développement pour l'apprentissage automatique
[Linux] Construction de l'environnement Docker avec Amazon Linux 2
Une histoire sur l'automatisation du mahjong en ligne (Jakutama) avec OpenCV et l'apprentissage automatique
Créez un environnement CentOS Linux 8 avec Docker et démarrez Apache HTTP Server
Créez rapidement un environnement python pour le Deep Learning / Data Science (Windows)
Construisez un environnement de simulateur de drone et essayez un vol simple avec Mission Planner
Création d'un environnement d'apprentissage automatique avec le serveur Tellus GPU (Sakura High-Power Computing)
Procédure de création d'un environnement Django avec Win10 WSL Ubuntu18.04 + Anaconda + Apache2
Créez un environnement WardPress sur AWS avec Pulumi
Créer un environnement python avec pyenv sur EC2 (ubuntu)
Construire un environnement python avec virtualenv et direnv
Créez un environnement python avec ansible sur centos6
[Python] Créer un environnement de développement Django avec Docker
Créer un environnement de construction python3 avec Sublime Text3
Créez un environnement Django avec Vagrant en 5 minutes
[Memo] Créez un environnement virtuel avec Pyenv + anaconda
Créer un environnement de développement Django à l'aide de Doker Toolbox
Créer un environnement Kubernetes pour le développement sur Ubuntu
Construire un environnement Python avec OSX Elcapitan
Créez rapidement un environnement Python Django avec IntelliJ
Créer un environnement d'exécution python avec VS Code