/learning_deep_learning

Repozytorium do moich zajęc z podstaw (podstawy podstaw) głębokiego uczenia (sztucznych sieci neuronowych).

Primary LanguageJupyter Notebook

Cześć, to jest repozytorium do "lekcji" z podstaw podstaw głębokiego uczenia maszynowego, któe będę prowadził. Fajnie było jeśli zrybiłbyś te rzeczy przed pierwszym spotkaniem:

  1. Sklonuj na swój komputer to repozytorium.

  2. Przygotuj sobie w Pythonie nowe środowisko wirtualne w którym będziesz miał zainstalowane numpy, matplotlib, PyTorch i jupyter (notebook).

  3. Zainstaluj sobie (jeśli jeszcze tegoś nie zrobiłeś), coś w czym można łatwo edytować jupyter notebooks, na przykład Visual Studia Code.

Jak to zrobić (szczgółowe instrukcje):

  1. Sklonuj na komputer to repozytorium. W lini polecen wpisz przejdz do folderu, w którym chcesz sklonować to repozytorium, na przykład Puplitu. Przykładowo z linii poleceń:
    cd Desktop
    git clone https://github.com/12jerek34jeremi/learning_deep_learning.git

1.5) Jeżeli jeszcze nie masz zainstalowego pythona, to zainstaluj go sobie. Możesz go pobrac z tej strony.

  1. Przygotuj sobie środowisko wirtulane, w którym będziesz miał numpy, matplotlib i PyTorch. Przygotowałem plik requirements.txt, który ułatwi zadanie. Uwaga, ponieważ instalacja PyTorch'a jest trochę bardziej zagmatwana, to w pliku requirements.txt nie ma PyTorch'a. Przykładowo z linii polecen:
    1. Najperw przejdz do folderu w którym chcesz utworzyć now środowisko wirtualne.
      cd Desktop/learning_deep_learning
    2. Utwórz nowe środowisko wirtualne przy pomocy pakietu venv Pythona.
      python -m venv .venv
    3. Aktywuj środowisko wirtualne:
      Na windows: .venv\Scripts\activate
       Na linux: source .venv/bin/activate
    4. Zainstaluj sobie numpy i matplotlib:
      1. Albo z pliku requirements.txt: pip install -r requirements.txt
      2. Albo ręcznie: pip install numpy matplotlib
    5. Na tej strone znajdziesz odpowiednią komendę do zainstalowania Pytorcha. W pierwszym rzędzie wybierz "Stable", w drugim swój system operacyjny, w trzecim "Pip", w czwartym "Python". Jeśli masz kartę graficzną producenta Nvidia to wybierz w piątym rzędzie opcje "CUDA 11.3", jeśli masz zintegrowaną kartę graficzną lub kartę innego producanta, na przykład AMD, to wybierz opcję "CPU". Skopuj odpowiednią komendę i ją wykanaj. Dla mnie to było:
      pip3 install torch torchvision torchaudio
      Pytorcha będziemy używać dopiero na drugim spotkaniu.
    6. Teraz trzeba dodać jupyter'a do środowiska. Zrobisz to poniższą komendą, bądź cierpliwy jupyter może się parę minut instalować.
      pip install jupyter
  2. Poberz Visual Studio Code z tej strony. Uruchom Visual Studio i z lewego pionowego menu wybierz zakładkę "Extensions", a następnie wyszukaj i zainstaluj rozszerzenia "Python" oraz "Jupyter". Gdy juz to zrobisz, to z górnego menu wybierz File->Open Folder. Wybierz folder, który sklonowałeś z githuba (learning_deep_learning). Teraz z menu po lewej stronie wybierz plik "numpy.ipynb". Uruchom pierwszą komórkę, jako kernel wybierz ".venv (Python 3.X.Y) .venv\Scripts\python[.exe]". Sprawdź, czy nie wyświetlają się żadne błędy.




Link do prezentacji którą będę używał na spotkaniach.
Link do kanału na discord, na którym jest więcej informacji.