Créez un environnement d'apprentissage automatique à l'aide de PyCharm sur un environnement Ubuntu (TensorFlow sera également introduit!)

L'apprentissage automatique est populaire ces jours-ci, mais j'ai senti qu'il était difficile de créer un environnement dans de nombreuses situations, alors j'aimerais faire un article sous forme de mémorandum et fournir une information.

environnement Ubuntu 16.04.1 LTS sur Windows 10 (en utilisant VirtualBox)

Objet de l'article

Cet article concerne l'activation de l'apprentissage automatique et de l'apprentissage en profondeur avec PyCharm sur le système d'exploitation invité Ubuntu nouvellement installé. Plus précisément, permettez d'utiliser TensorFlow, NumPy, etc.

procédure

  1. Installez Anaconda3 (cela prépare l'environnement Python de base)
  2. Création d'un environnement Python 3.5
  3. Installez et configurez PyCharm
  4. Installez TensorFlow
  5. Confirmation

Installation d'Anaconda3

Depuis ici, vérifiez le bit OS, la version Python, etc., et installez celui qui convient. J'ai téléchargé le programme d'installation de Python 3.6 pour Linux. Pour plus d'informations [ici [4]](http://pythondatascience.plavox.info/python%E3%81%AE%E3%82%A4%E3%83%B3%E3%82%B9%E3%83%88 Voir% E3% 83% BC% E3% 83% AB / anaconda-ubuntu-linux /). anaconda_install.PNG

Une fois l'installation terminée, un fichier sh sera créé dans le répertoire ~ / Downloads. Tapez la commande suivante. Référez-vous au site de [4] et continuez (si on vous demande oui / non, oui sinon vous pouvez appuyer sur Entrée).

bash ~/Downloads/Anaconda3-4.3.0-Linux-x86_64.sh


echo 'export PATH=/home/user/anaconda3/bin:$PATH' >> ~/.bashrc
source ~/.bashrc```

 * (La version ci-dessus d'Anaconda semble être installée pour le moment. Veuillez vérifier la version avant d'exécuter la commande)
 C'est OK si vous pouvez afficher la version de conda avec la commande suivante.


#### **`conda -V #conda 4.3.8`**

Vérifiez également la version Python.

python --version #Python 3.6.0 :: Anaconda 4.3.0 (64-bit)



 La version python semble être la 3.6.0.
 Il convient de noter ici que TensorFlow semble prendre en charge jusqu'à 3,5 pour la série Python 3 pour le moment. Par conséquent, nous allons créer un environnement pour TensorFlow avec anaconda.


## Créer un environnement pour Python 3.5
 Exécutez la commande suivante. Créez un environnement de version Python 3.5 avec le nom tf.


#### **`conda create -n tf python=3.5 anaconda`**
```5 anaconda


 Vous pouvez maintenant entrer dans l'environnement python3.5 avec source arctivate tf. Exécutons la commande.
 (Source désactivée si désactivée)

source arctivate tf

## Installez TensorFlow
 Installez TensorFlow. Exécutez la commande suivante.

export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0-cp35-cp35m-linux_x86_64.whl pip install --upgrade $TF_BINARY_URL


## Installez PyCharm
 Téléchargez PyCharm depuis [ici](http://www.jetbrains.com/pycharm/download/#section=linux). Cette fois, nous utiliserons l'édition communautaire.

 Accédez au répertoire où se trouve le fichier téléchargé. Si vous ne connaissez pas le répertoire, dans Firefox, vous pouvez voir la liste de téléchargement en cliquant sur le bouton fléché vers le bas dans le coin supérieur droit. Cliquez sur le bouton de dossier à droite du fichier dont vous souhaitez voir le répertoire pour accéder au répertoire où se trouve le fichier.

 Dans le répertoire, décompressez cette fois le fichier "pycharm-community-2016.3.2.tar.gz". Vous pouvez utiliser une commande, mais cette fois, cliquez avec le bouton droit sur le fichier et sélectionnez «Extraire vers» pour l'extraire tout en spécifiant la destination d'extraction. La destination de décompression est le répertoire personnel de l'utilisateur.

 PyCharm est exécuté par la commande suivante.

bash pycharm-community-2016.3.2/bin/pycharm.sh


 Créez un nouveau projet avec Créer un nouveau projet.
 ![Pycharm_newProject.PNG](https://qiita-image-store.s3.amazonaws.com/0/120532/66b88ba4-c5db-4f9d-68cc-ecc4966aae26.png)

 Spécifiez ensuite l'interprète. Dans mon environnement, j'ai spécifié ~ / anaconda3 / envs / tf / bin / python. Si vous ne savez pas lequel spécifier, gardez simplement les valeurs par défaut et continuez. Le projet est créé (cela peut prendre un certain temps).
 ![pycharm_interpreter.PNG](https://qiita-image-store.s3.amazonaws.com/0/120532/2b8eb9a1-1113-3323-4c2e-961a0548ef41.png)

 Pour sélectionner Interprète, sélectionnez Fichier-> Paramètres-> Projet: Nom du projet-> Interpréteur de projet dans la barre d'outils.
 * Il semble que les paramètres peuvent être appelés préférence.

 ![asdf.PNG](https://qiita-image-store.s3.amazonaws.com/0/120532/e5dc4d48-0d35-115c-d580-2173fc4fae7a.png)

 Vous pouvez sélectionner Interprète dans le menu déroulant. En outre, vous pouvez voir quel type de package est inclus, alors sélectionnez celui qui contient les éléments nécessaires. Cette fois, j'ai jugé si tensorflow, matplotlib et numpy sont inclus.

 ![sdf.PNG](https://qiita-image-store.s3.amazonaws.com/0/120532/a6a3f2c1-a11b-72f9-28d0-86349d6dd075.png)
 * Vous pouvez vérifier le package et la version

## Vérification
 Maintenant, vérifions si TensorFlow etc. fonctionne réellement.
 Créez un fichier Python. Cette fois, c'était main.py.

 ![sa.PNG](https://qiita-image-store.s3.amazonaws.com/0/120532/cc053ec2-2e61-04aa-4a64-3890956fe321.png)

 Tapez le code Python suivant et exécutez-le (vous pouvez l'exécuter avec ctrl + shift + F10). Je me suis référé à [ici](http://dev.classmethod.jp/machine-learning/tensorflow-hello-world/) (Cependant, comme il a été écrit dans la série Python2, il a été réécrit en série Python3).


#### **`main.py`**
```python

import tensorflow as tf
import multiprocessing as mp

core_num = mp.cpu_count()
config = tf.ConfigProto(
    inter_op_parallelism_threads=core_num,
    intra_op_parallelism_threads=core_num)
sess = tf.Session(config=config)

hello = tf.constant('hello, tensorflow!')
print(sess.run(hello))

a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a + b))

Si vous obtenez le résultat suivant, vous réussissez. result.PNG

また、MatplotlibとNumPyについても見てます。コードを上書きしてください。こちらを参考にしました。

main.py


import numpy as np
import matplotlib.pyplot as plt

X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)

plt.plot(X, C)
plt.plot(X, S)

plt.show()

Si cela devient comme suit, c'est réussi. matresult.PNG

C'est tout. Je vous remercie pour votre travail acharné! Encore une fois, si vous trouvez quelque chose qui ne va pas ou que vous devez améliorer, veuillez commenter. heureux. Nous remercions également ceux qui partagent des informations utiles, y compris les articles liés. Enfin, ayez une vie d'apprentissage automatique amusante!

Recommended Posts

Créez un environnement d'apprentissage automatique à l'aide de PyCharm sur un environnement Ubuntu (TensorFlow sera également introduit!)
Créer un environnement d'apprentissage automatique
Créer un environnement Python d'apprentissage automatique sur Mac OS
Windows10 (x64) Créer nativement un environnement d'apprentissage automatique
Créer un environnement d'apprentissage automatique à l'aide de Python sur MacOSX
Créez un environnement d'apprentissage automatique scikit-learn avec VirtualBox et Ubuntu
Comment créer un environnement Python à l'aide de Virtualenv sur Ubuntu 18.04 LTS
Une histoire sur l'apprentissage automatique simple avec TensorFlow
Construire l'environnement Python3.5 + matplotlib sur Ubuntu 12 en utilisant Anaconda
Créer un environnement Kubernetes pour le développement sur Ubuntu
Créer un environnement d'apprentissage automatique Python avec des conteneurs
Créer un environnement de développement Django à l'aide de pyenv-virtualenv sur Mac
# 2 Créez un environnement Python avec une instance EC2 d'AWS (ubuntu18.04)
Créez un environnement Python sur votre Mac en utilisant pyenv
Créer un environnement de développement d'applications d'apprentissage automatique avec Python
Créer un environnement de développement Python à l'aide de pyenv sur MacOS
Mémo de construction d'environnement d'apprentissage automatique par Python
Comment créer un nouvel environnement virtuel Python sur Ubuntu
Lancement d'un environnement d'apprentissage automatique à l'aide de Google Compute Engine (GCE)
Créer un environnement PyData pour une session d'étude sur l'apprentissage automatique (janvier 2017)
Comment créer un environnement d'exécution virtuelle pour Python à l'aide de Visual Studio Code et de pipenv sur une machine Windows (également le notebook Jupyter)
Créer un environnement Chainer à l'aide de CUDA et cuDNN sur une instance p2
Créer un environnement go à l'aide de Docker
Construire un environnement Python sur Ubuntu
Créez un environnement Python sur votre Mac avec Anaconda et PyCharm
# 3 Créez un environnement Python (Django) avec une instance EC2 (ubuntu18.04) d'AWS part2
Utilisation d'une console série sur Ubuntu 20.04
Créer un environnement Python 3.8 + Pipenv sur Ubuntu 18.04
Créer un environnement python3 sur CentOS7
Étapes rapides pour créer un environnement d'apprentissage automatique à l'aide de Jupyter Notebook sur macOS Sierra avec anaconda
[Definitive Edition] Création d'un environnement d'apprentissage "machine learning" à l'aide de Python sous Windows
[Definitive Edition] Création d'un environnement pour l'apprentissage du «machine learning» à l'aide de Python sur Mac
Jusqu'à ce que l'environnement Deep Learning (TensorFlow) utilisant le GPU soit préparé pour Ubuntu 14.04
Créez un environnement d'apprentissage pour le «Deep learning from scratch» avec Cloud9 (jupyter miniconda python3)
Créer un environnement Python 3 et OpenCV sur Ubuntu 18.04
Construire un environnement python sur MacOS (Catallina)
Créer un environnement Tensorflow avec Raspberry Pi [2020]
J'ai construit un environnement TensorFlow avec windows10
Créer un environnement Python + OpenCV sur Cloud9
Créer un environnement de développement pour l'apprentissage automatique
Construction d'environnement AI / Machine Learning avec Python
De rien sur Ubuntu 18.04 à la configuration d'un environnement Deep Learning sur Tensor
Créer un environnement de développement TensorFlow sur Amazon EC2 avec une copie de commande
Une histoire addictive lors de l'utilisation de tensorflow sur Android
Créez un environnement LAMP sur votre Docker local
Créez un environnement WardPress sur AWS avec Pulumi
Créer un environnement python avec pyenv sur EC2 (ubuntu)
Créez simplement un environnement d'exécution Python 3 sous Windows
[Latest] Comment créer un environnement Java sur Ubuntu
Construire un environnement Django sur Raspai (MySQL)
Créez un environnement python avec ansible sur centos6
Créer un environnement Python sur Mac (Mountain Lion)
Créez un environnement de développement Python sur votre Mac
[Venv] Créer un environnement virtuel python sur Ubuntu
Essayez d'utiliser tensorflow ① Créez un environnement python et introduisez tensorflow
Remarques sur l'utilisation de TensorFlow sur Bash sur Ubuntu sous Windows
Installez la bibliothèque d'apprentissage automatique TensorFlow sur fedora23
Construire un environnement de développement Python sur Raspberry Pi
Comment créer rapidement un environnement d'apprentissage automatique à l'aide de Jupyter Notebook avec UbuntuServer 16.04 LTS