【学习4】机器学习和环境配置

我们也可以试着把sigmoid写成别的线ReLU

【学习4】机器学习和环境配置_第1张图片

这时候的方程式就需要变成:

 【学习4】机器学习和环境配置_第2张图片

 

虽然ReLU曲线会在看过的数据上面表现的更好,但是对于没有看过的数据,表现没有明显的变化。

在这里,我们可以试着改进,对于a进行不断的迭代运算:

【学习4】机器学习和环境配置_第3张图片

【学习4】机器学习和环境配置_第4张图片

 

 

对于很多层的模型(多个a迭代运算),我们取了一个名字叫deep learning

【学习4】机器学习和环境配置_第5张图片

 【学习4】机器学习和环境配置_第6张图片

 【学习4】机器学习和环境配置_第7张图片

 

 【学习4】机器学习和环境配置_第8张图片

【学习4】机器学习和环境配置_第9张图片

【学习4】机器学习和环境配置_第10张图片

【学习4】机器学习和环境配置_第11张图片

 【学习4】机器学习和环境配置_第12张图片

 

【学习4】机器学习和环境配置_第13张图片

【学习4】机器学习和环境配置_第14张图片

 【学习4】机器学习和环境配置_第15张图片

 

【学习4】机器学习和环境配置_第16张图片

 【学习4】机器学习和环境配置_第17张图片

【学习4】机器学习和环境配置_第18张图片

 

【学习4】机器学习和环境配置_第19张图片

 【学习4】机器学习和环境配置_第20张图片

【学习4】机器学习和环境配置_第21张图片 

 【学习4】机器学习和环境配置_第22张图片

 【学习4】机器学习和环境配置_第23张图片

 【学习4】机器学习和环境配置_第24张图片

 【学习4】机器学习和环境配置_第25张图片

【学习4】机器学习和环境配置_第26张图片

【学习4】机器学习和环境配置_第27张图片

 【学习4】机器学习和环境配置_第28张图片

 

 【学习4】机器学习和环境配置_第29张图片

 【学习4】机器学习和环境配置_第30张图片

 【学习4】机器学习和环境配置_第31张图片

 【学习4】机器学习和环境配置_第32张图片

【学习4】机器学习和环境配置_第33张图片

【学习4】机器学习和环境配置_第34张图片

 【学习4】机器学习和环境配置_第35张图片

【学习4】机器学习和环境配置_第36张图片

【学习4】机器学习和环境配置_第37张图片

【学习4】机器学习和环境配置_第38张图片 【学习4】机器学习和环境配置_第39张图片

 

  1. Anaconda创建和管理虚拟环境

保留自己安装的Python需要在安装Anaconda完成后进行操作,可以通过切换虚拟环境

·查看Anaconda中当前存在的环境

输入conda info -e  或者  conda-env list

base的环境是Anaconda安装的Python版本

Anaconda装的版本是3.6.5的,假如我们想使用2.7版本的,这时可以通过创建虚拟环境来实现,输入conda create -n python27 python=2.7

发现较之前多了一个python27,我们到Anaconda安装目录查看envs文件夹下的python27点进去看发现这不就是一个python安装过后的文件吗说是创建虚拟环境,其实是真实的安装了Python2.7,我们切换至2.7版本的,输入activate python27,切换成功后前面多一个python27

2、编辑器Jupyter Notebooks

Jupyter Notebook是一个Web应用程序,允许您创建和共享包含实时代码,方程,可视化和说明文本的文档。 用途包括:数据清理和转换,数值模拟,统计建模,机器学习等等。

·Anaconda 方法安装jupyter          pip  install  jupyter

·开启Jupyter Notebook服务器     jupyter notebook

这将开启Jupyter,并使用你的默认浏览器访问URL:http://localhost:8888/tree

当运行单元格时,在单元格左侧的单词In旁边有一些方括号。方括号将自动填充一个数字,该数字表示将运行单元格的顺序。

3、pip

·pip安装python -m ensurepip --default-pip

·安装第三方库

      pip install package_name

      pip install package_name==版本号 安装指定版本的包

      pip isntall package_name - i https://pypi.douban.com/simple/   使用国内源(豆瓣)

·卸载 pip uninstall package_name

·升级
      pip install -U package_name
      pip install -U package_name==版本号 升级到指定的版本

·查看目前安装了哪些库pip list

·升级pip命令python -m pip install --upgrade pip

·虚拟环境相关命令

      本地环境:安装的包都在本地,所有的项目都可以共享使用

      虚拟环境(做项目开发,测开项目):只针对某一个项目使用的环境

      pip freeze > packages.txt

      pip install -r packages.txt   Dockerfile来完成

·国内的镜像源

(1) 豆瓣(douban) https://pypi.douban.com/simple

(2) 清华大学 https://pypi.tuna.tsinghua.edu.cn/simple

(3) 阿里云 https://mirrors.aliyun.com/pypi/simple

(4) 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple

4、Pytorch虚拟环境和CUDA

Torch是一个用于深度学习的=数学计算库,而Pytorch则是一个基于Torch的Python机器学习库,可看作其提供了Torch应用于Python的接口。而搭建Pytorch虚拟环境,通俗地讲,就是搭建一个包含了Pytorch的相关包的Python解释器的环境,即是专门用于处理基于Python的深度学习的问题的环境。CUDA中文名为统一计算设备架构,,是显卡厂商NVDIV推出的运算平台,可以帮助GPU处理图形相关的计算问题。

·通过在命令行输入以下命令来查看我们电脑的CUDA版本配置若电脑没有独立显卡,则该命令输入无效nvidia-smi

·conda安装Pytorch环境conda create -name pytorch python=3.10

·命令激活pytorch环境 activate pytorch

你可能感兴趣的:(学习,python)