Skip to content

Repository for Data Mining in Action Spring 2019 Deep Learning track

Notifications You must be signed in to change notification settings

de81k/DMIA_DL_2019_Spring

 
 

Repository files navigation

Инструкция по настройке репозитория.

  1. Если у вас не установлен python, установить его можно с помощью установки miniconda https://conda.io/docs/user-guide/install/index.html. Скачивать можно miniconda любой версии, далее мы сделаем отдельное виртуальное окружение для наших задач. Если питон уже установлен, шаг можно пропустить. Теперь нам нужно создать виртуальное окружение, для этого можно воспользоваться virtualenv или conda.

Вариант 1 (virtualenv):

  1. Нужно установить утилиту virtualenv. Сайт с документацией и описанием, что это такое и как установить . Работая с virtualenv, вы сможете гарантированно запускать скрипты с теми же версиями библиотек, что и на лекциях и семинарах.
  2. Создайте окружение для python3.6 командой virtualenv -p python3.6 <path_to_dir_where_env_will_be_stored>
  3. Активируйте его командой source <path_to_the_dir/bin/activate>, для выхода используйте команду deactivate

Вариант 2 (conda):

  1. В этом варианте для создания виртуального окружения мы воспользуемся conda, которую установили в шаге 0.
  2. Создаем окружение для python3.6 командой conda create -n py36 python==3.6. Обратите внимание на инструкции в конце установки, там будет написано, как активировать окружение. Если с версией python будут проблемы и не будет импортироваться tensorflow, можно попробовать полечить проблему создав окружение с версией python3.6.1 conda create -n py36 python==3.6.1.
  3. Активируйте его указанной выше командой.

Установка библиотек и запуск Jupyter Notebook

  1. Теперь у вас есть отдельная версия Питона, с которой можно делать что угодно, не боясь, что это затронет другие ваши проекты.
  2. Установите необходимые пакеты командой pip install -r <path_to_rep_requirements.txt>. Этот файл будет находится в репозитории курса, в нём будут перечислены все необхожимые библиотеки с указанными версиями. Выполнив команду, вы получите такую же кофигурацию библиотек, которая используется на семинарах и лекциях.
  3. Большую часть кода мы будем писать и изучать в jupyter notebook (нужные пакеты указаны в файле requirements.txt). Нужно поднять сервер Jupyter Notebook. Для это это выполните команду jupyter notebook --port 3040 --port-retries=0 --ip='*' --no-browser. Теперь вы можете зайти в браузере на страницу http://localhost:3040/tree и увидеть проводник. Корневой папкой будет та, находясь в которой, вы выполнили команду запуска.
  4. Если вы уже пользовались Jupyter Notebook, то добавьте в него созданное ранее виртуальное окружение как новый Kernel. Как это сделать наглядно описано здесь. Теперь вы сможете запускать ноутбуки в этом окружении. При запуске ноутбука справа сверху должно быть указано python 3.6, если же этого не произошло, вы можете переключиться на нужное ядро через Kernel > Change kernel прямо в отрытом ноутбуке с кодом.

About

Repository for Data Mining in Action Spring 2019 Deep Learning track

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 100.0%