راه اندازی محیط پایتون برای یادگیری ماشین – راهنمای کاربردی

مطالب مجله فرادرس را در جستجوی گوگل سریعتر ببینید
۱. راهاندازی پایتون ۳ و pip
در راستای راهاندازی محیط پایتون برای یادگیری ماشین، اولین گام نصب pip است. pip یک مدیر بسته برای پایتون محسوب میشود.
در بخش دیگری از همین مطلب، چگونگی استفاده از این دستور در محیط مجازی نیز بیان خواهد شد. در ادامه، پایتون ۳ به عنوان نسخه پایتون پیشفرض تنظیم میشود و در صورت استفاده از هر یک از دستورهای pip یا python از خط فرمان، این نسخه از پایتون به کار گرفته میشود. این امر موجب میشود تا استفاده از پایتون ۳ سادهتر و راحتتر باشد. اگر این کار انجام نشود، هر بار که کاربری قصد استفاده از پایتون ۳ را داشته باشد، باید دستور خود را به صورت pip3 یا python3 وارد کند. برای تنظیم Python 3 به عنوان نسخه پیشفرض، فایل bashrc./~ باید ویرایش شود. در این راستا باید از خط فرمان دستور زیر را برای نمایش فایل bashrc اجرا کرد.
در فایل موجود، باید به سمت انتهای فایل پیمایش کرد تا به قسمتی رسید که نوشته some more ls aliases # موجود است. سپس، خط زیر را به آن قسمت از فایل اضافه کرد.
اکنون، باید فایل را ذخیره و تغییرات را مجددا بارگذاری کرد.
پس از انجام اعمال بالا، پایتون ۳، نسخه پیشفرض پایتون در سیستم کاربر محسوب میشود. اکنون میتوان آن را با اجرای دستور python your_program در خط فرمان اجرا کرد.
2. ساخت محیط مجازی
در ادامه، محیط مجازی راهاندازی خواهد شد. در این محیط مجازی همه بستههای پایتونی که برای یادگیری ماشین مورد نیاز است نصب میشوند. به این دلیل از محیط مجازی استفاده میشود که کارهای راهاندازی کد مجزا شوند. حالتی مفروض است که کاربر بخواهد دو پروژه متفاوت را روی کامپیوتر خود انجام دهد.
پس از آنکه virtualenv و virtualenvwrapper نصب شدند، دوباره نیاز به ویرایش فایل bashrc./~ است. در این راستا، باید سه خط کد زیر را در پایین فایل قرار داد و فایل را ذخیره کرد.
در ادامه باید فایل را ذخیره و تغییرات را مجددا بارگذاری کرد.
در نهایت میتوان محیط مجازی را ساخت.
اکنون یک محیط مجازی ساخته شده که ml نامیده میشود. برای ورود به آن، از دستور زیر استفاده میشود.
هر نصب کتابخانهای مادامی که در محیط مجازی ml انجام شود در همانجا ایزوله خواهد شد و هرگز با دیگر محیطها مغایرت نخواهد داشت. بنابراین، هنگامی که کاربر قصد اجرای کدی را دارد که وابسته به کتابخانههای موجود در محیط ml است، ابتدا با دستور workon به آن ورود و سپس، کد خود را به صورت نرمال اجرا کند. افرادی که قصد نصب virtualenv را دارند، میتوانند از دستور زیر استفاده کنند.
3. نصب کتابخانههای پایتون برای یادگیری ماشین
- «نامپای» «numpy» برای کار روی ماتریسها، به ویژه عملیات ریاضی
- «سایپای» «scipy» برای محاسبات علمی و فنی
- «پانداس» (pandas) برای مدیریت، دستکاری و تحلیل دادهها
- «متپلاتلیب» (matplotlib) برای بصریسازی دادهها
- «سایکیت لِرن» (scikit learn) برای یادگیری ماشین
در ادامه با بهرهگیری از یک راهکار ساده، نصب کلیه کتابخانههای بیان شده طی یک حرکت انجام میشود. بدین منظور، ابتدا باید فایل requirements.txt را ساخت و همه بستههایی که قصد نصب آنها وجود دارد را لیست کرد.
پس از انجام این کار، تنها کافی است دستور زیر اجرا شود.
Pip از روی لیست جلو میرود و کتابخانههای موجود در فایل را نصب میکند. بدین شکل با استفاده از تنها یک دستور، کل کتابخانههای مورد نظر کاربر نصب میشوند. بسیار عالی، در حال حاضر محیط کاری کاربر آماده است و میتواند از آن برای کارهای یادگیری ماشین خود استفاده کند.
اگر نوشته بالا برای شما مفید بود، آموزشهای زیر نیز به شما پیشنهاد میشوند:
- مجموعه آموزشهای یادگیری ماشین و بازشناسی الگو
- آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)
- مجموعه آموزشهای آمار، احتمالات و دادهکاوی
- آموزش یادگیری ماشین با مثالهای کاربردی — مجموعه مقالات جامع وبلاگ فرادرس
- یادگیری عمیق (Deep Learning) با پایتون — به زبان ساده
- دادهکاوی (Data Mining) — از صفر تا صد
- بهترین IDE برای پایتون — معرفی و مقایسه محیط های توسعه پایتون
^^
مطالب مجله فرادرس را در جستجوی گوگل سریعتر ببینید













