Python X openCV X Machine Learning X Linear Algebra: 機器學習

顯示具有 機器學習 標籤的文章。顯示所有文章

2016年1月28日星期四

Deep Learning: 安裝開源函式庫TensorFlow於Python3.3+

關於Deep Learning，相關的中文網站資源非常得少，繁體的資源幾乎沒有。

讓在學習這領域的我非常地困擾和不方便。

Deep Learning的開源庫主要有兩種：

1. google 推出的 TensorFlow

https://github.com/tensorflow/tensorflow

2. UC Berkeley 維護的 Caffe

https://github.com/BVLC/caffe

我因為離Ｃ太遠太久了，加上用mac後，不太用Xcode去寫Ｃ，

所以都比較偏向用Python作為接口。

但Caffe不知道為什麼安裝上一直卡住，所以暫時先擺著好了。

因為本人只是小小的MacBookAir，沒有獨顯GPU。

所以安裝TensorFlow可能也是剛剛好吧。

(TensorFlow在Mac版只支援CPU，但其在Linux版有支援GPU。)

如果已安裝好Python3.X (目前環境是3.5)以及numpy等函式庫的人，

其實安裝TensorFlow就只要一個步驟就解決了。

在Terminal下：

sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.6.0-py3-none-any.whl

然後去shell command window去測試一下：

import tensorflow as tf

tf.__version__
=> '0.6.0'

就OK了！！！！

如果要安裝在Python2.7下的話，安裝這個：

sudo pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.6.0-py2-none-any.whl

但我不知道為什麼我安裝Python2的版本會一直有問題，無法安裝上。

還好我也只用Python3.X，所以安裝不上的問題我就無視了。

關於deep learning，估狗大神最近佛心來著放上了免費的教學課程。

註冊Udacity帳號後就可以加入該課程了：

https://www.udacity.com/course/progress#!/c-ud730

尤其Convolutional Neural Networks (CNN)在影像分類上比起以前的方法有很大的突破。

也讓deep learning成為各家科技巨擘必爭之地：

Google (Google brain and Google dream)

Facebook (LeCun)

Baidu (Andrew Ng)

關於CNN下次再寫一個專門的介紹好了。

2015年10月12日星期一

Python下自訂module

我最喜歡Python的地方就是可以很容易地開發自己的函式庫。
當初剛接觸matlab時，發現其可以在同一個folder下呼叫自己的函式.m檔。
真的覺得很方便開發，可以很開心的編輯自己的函式庫。
而且如果要使用從網路下載的他人開發的函式，就放在同一個folder下就行了。
不過函式.m檔的檔名必須要和函式名一樣，所以一個.m擋下可以很多個函式嗎？
我不知道，沒試過。如果可以的話就好了，不然會有好多個.m擋。

Python的module就真的很不錯。一個.py檔，裡面可以放很多的def函式。
把.py檔放在同一個folder下就可以import module。
或把.py檔放在系統的預設的路徑之中，系統就會在import時去搜尋module。

首先先看目前的工作路徑：
import os
os.getcwd() #get current working directory

再看看系統預設的路徑有什麼：
import sys
sys.path

可以把module其.py檔的路徑增加進去：
sys.path.append('Users/david/Google Drive/Python Lab')
然後再看看sys.path有沒有真的加了進去了。
再來import該module就ＯＫ了。
不過可惜的是，新增進去後，下次再打開IDLE就沒有了。
所以退而求其次，要把module的.py檔放在sys.path的其中之一。
要怎麼把module函式庫的folder設為永久系統預設路徑之一，我目前還沒找到方法。

使用函式庫也很方便。
例如我最近試把以前的一些機器學習的演算法寫成一個ML.py檔。
只要把ML.py檔放在工作路徑下或系統預設路徑之一，就可以載入呼叫裡面的函式。

import ML
trainSet = ML.csvRead('TrainData.csv')
w = ML.LinearRegression(trainSet)

python的module對於自訂函式的開發真的蠻方便的。

我希望能逐步完成我的ML函式庫，接著LA函式庫。
https://github.com/ntudavid/ML_lab
https://github.com/ntudavid/LA_lab
https://github.com/ntudavid/CV_lab
加油！