Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
hands-on-ml-zh
提交
1ae96019
H
hands-on-ml-zh
项目概览
OpenDocCN
/
hands-on-ml-zh
通知
13
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
H
hands-on-ml-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
1ae96019
编写于
2月 01, 2019
作者:
W
wizardforcel
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
2019-02-01 21:31:50
上级
a565e52f
变更
3
隐藏空白更改
内联
并排
Showing
3 changed file
with
14 addition
and
7 deletion
+14
-7
docs/12.设备和服务器上的分布式_TensorFlow.md
docs/12.设备和服务器上的分布式_TensorFlow.md
+2
-2
docs/2.一个完整的机器学习项目.md
docs/2.一个完整的机器学习项目.md
+10
-3
docs/9.启动并运行_TensorFlow.md
docs/9.启动并运行_TensorFlow.md
+2
-2
未找到文件。
docs/12.设备和服务器上的分布式_TensorFlow.md
浏览文件 @
1ae96019
...
...
@@ -42,11 +42,11 @@ Nvidia 的 CUDA 允许开发者使用支持 CUDA 的 GPU 进行各种计算(
最后,您必须安装支持 GPU 的 TensorFlow。 如果你使用
`virtualenv`
创建了一个独立的环境,你首先需要激活它:
<pre>
<pre>
<code>
$
cd
$
ML_PATH
# Your ML working directory (e.g., HOME/ml)
$
source env/bin/activate
</pre>
</
code></
pre>
然后安装合适的支持 GPU 的 TensorFlow 版本:
...
...
docs/2.一个完整的机器学习项目.md
浏览文件 @
1ae96019
...
...
@@ -154,10 +154,10 @@ RMSE 和 MAE 都是测量预测值和目标值两个向量距离的方法。有
接下来,需要为你的机器学习代码和数据集创建工作空间目录。打开一个终端,输入以下命令(在提示符
`$`
之后):
<pre>
<pre>
<code>
$
export ML_PATH="
$
HOME/ml" # 可以更改路径
$
mkdir -p
$
ML_PATH
</pre>
</
code></
pre>
还需要一些 Python 模块:Jupyter、NumPy、Pandas、Matplotlib 和 Scikit-Learn。如果所有这些模块都已经在 Jupyter 中运行了,你可以直接跳到下一节“下载数据”。如果还没安装,有多种方法可以进行安装(包括它们的依赖)。你可以使用系统的包管理系统(比如 Ubuntu 上的
`apt-get`
,或 macOS 上的 MacPorts 或 HomeBrew),安装一个 Python 科学计算环境比如 Anaconda,使用 Anaconda 的包管理系统,或者使用 Python 自己的包管理器
`pip`
,它是 Python 安装包(自从 2.7.9 版本)自带的。可以用下面的命令检测是否安装
`pip`
:
...
...
@@ -191,7 +191,14 @@ Successfully installed pip-9.0.1
>
> 现在可以通过下面命令创建一个独立的 Python 环境:
>
> <pre>$ cd $ML_PATH<br />$ virtualenv env<br />Using base prefix '[...]'<br />New python executable in [...]/ml/env/bin/python3.5<br />Also creating executable in [...]/ml/env/bin/python<br />Installing setuptools, pip, wheel...done.</pre>
> <pre><code>
> $ cd $ML_PATH
> $ virtualenv env
> Using base prefix '[...]'
> New python executable in [...]/ml/env/bin/python3.5
> Also creating executable in [...]/ml/env/bin/python
> Installing setuptools, pip, wheel...done.
> </code></pre>
>
> 以后每次想要激活这个环境,只需打开一个终端然后输入:
>
...
...
docs/9.启动并运行_TensorFlow.md
浏览文件 @
1ae96019
...
...
@@ -44,10 +44,10 @@ TensorFlow 是一款用于数值计算的强大的开源软件库,特别适用
让我们开始吧!假设您按照第 2 章中的安装说明安装了 Jupyter 和 Scikit-Learn,您可以简单地使用
`pip`
来安装 TensorFlow。 如果你使用
`virtualenv`
创建了一个独立的环境,你首先需要激活它:
<pre>
<pre>
<code>
$
cd
$
ML_PATH #Your ML working directory(e.g.,
$
HOME/ml)
$
source env/bin/activate
</pre>
</
code></
pre>
下一步,安装 Tensorflow。
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录