Cześć, to jest repozytorium do "lekcji" z podstaw podstaw głębokiego uczenia maszynowego, któe będę prowadził. Fajnie było jeśli zrybiłbyś te rzeczy przed pierwszym spotkaniem:
-
Sklonuj na swój komputer to repozytorium.
-
Przygotuj sobie w Pythonie nowe środowisko wirtualne w którym będziesz miał zainstalowane numpy, matplotlib, PyTorch i jupyter (notebook).
-
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):
- 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.
- 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:
- Najperw przejdz do folderu w którym chcesz utworzyć now środowisko wirtualne.
cd Desktop/learning_deep_learning - Utwórz nowe środowisko wirtualne przy pomocy pakietu venv Pythona.
python -m venv .venv - Aktywuj środowisko wirtualne:
Na windows: .venv\Scripts\activate
Na linux: source .venv/bin/activate - Zainstaluj sobie numpy i matplotlib:
- Albo z pliku requirements.txt: pip install -r requirements.txt
- Albo ręcznie: pip install numpy matplotlib
- Albo z pliku requirements.txt: pip install -r requirements.txt
- 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. - Teraz trzeba dodać jupyter'a do środowiska. Zrobisz to poniższą komendą, bądź cierpliwy jupyter może się parę minut instalować.
pip install jupyter
- Najperw przejdz do folderu w którym chcesz utworzyć now środowisko wirtualne.
- 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.