Configurar entorno Python de Machine Learning

Configurar entorno Python para el Aprendizaje Automático puede ser una tarea difícil. Si nunca has configurado algo así antes, podrías pasar horas jugando con diferentes comandos tratando de hacer que la cosa funcione.

En este tutorial, aprenderá a configurar entorno Python de desarrollo estable de Machine Learning.

(1) Configurar entorno Python:  Python3 y Pip

El primer paso es instalar pip, un administrador de paquetes de Python:

sudo apt-get install python3-pip

Usando pip, podremos instalar cualquier paquete de Python que esté indexado en el Índice de Paquetes de Python de manera simple  . pip install your_package . Pronto verás cómo lo usamos para configurar nuestro entorno virtual también.

A continuación, estableceremos Python3 como predeterminado cuando se ejecuten los comandos pipo pythondesde la línea de comandos. Esto hace que el uso de Python3 sea más fácil y más conveniente. Si no hiciéramos esto, entonces, si quisiéramos usar Python3, ¡tendríamos que recordar escribir pip3y python3cada vez!

Para forzar que Python 3 sea el predeterminado, vamos a modificar el file ~/.bashrc. Desde la línea de comandos, ejecute el siguiente comando para ver ese file:

nano ~/.bashrc

Desplácese hasta la sección # algunos más alias de ls y agregue la siguiente línea:

alias python='python3'

Guarda el file y vuelve a cargar tus cambios:

source ~/.bashrc

Boom! ¡Python3 es ahora tu Python por defecto! Puedes ejecutarlo  python your_program con un simple en la línea de comandos.

(2) Configurar entorno Python: Crear un entorno virtual.

Ahora vamos a configurar entorno Python virtual . Allí, instalaremos todos los paquetes de python que necesitamos para Machine Learning.

Utilizamos entornos virtuales para separar nuestras configuraciones de codificación. Imagina si en algún momento quisieras hacer 2 proyectos diferentes en tu computadora, lo que requería diferentes bibliotecas de diferentes versiones.

Tenerlos a todos en el mismo entorno de trabajo puede ser complicado y es probable que se encuentre con el problema de las versiones de la biblioteca en conflicto.

Su código ML para el proyecto 1 necesita la versión 1.0 de numpy, pero el proyecto 2 necesita la versión 1.15. ¡Ay!

Un entorno virtual nos permite aislar nuestras áreas de trabajo para evitar esos conflictos.

Primero, instale los paquetes relevantes:

sudo pip install virtualenv virtualenvwrapper

Una vez que tengamos virtualenv y virtualenvwrapper instalados, nuevamente tendremos que editar nuestro file ~/.bashrc. Coloque estas 3 líneas a la derecha en la parte inferior y guárdelo.

export WORKON_HOME=$HOME/.virtualenvs
export VIRTUALENVWRAPPER_PYTHON=/usr/bin/python3
source /usr/local/bin/virtualenvwrapper.sh

Guarda el file y vuelve a cargar tus cambios:
source ~/.bashrc

¡Genial! Ahora podemos finalmente crear nuestro entorno virtual así:

mkvirtualenv ml

Acabamos de crear un entorno virtual llamado ml .

 Para entrar, haz esto:

workon ml

¡Bonito! ¡Cualquier instalación de biblioteca que haga mientras esté en mlvirtualenv se aislará allí y nunca entrará en conflicto con ningún otro entorno!.

Entonces, cuando desee ejecutar un código que depende de las bibliotecas instaladas en el mlentorno, ingrese primero con el workoncomando y luego ejecute su código de la manera habitual.

Si necesita salir de virtualenv, ejecute este comando:

deactivate

(3) Python: instalar bibliotecas de aprendizaje automático

¡Ahora podemos instalar nuestras librerías ML! Iremos con los más utilizados:

• numpy: para cualquier trabajo con matrices, especialmente operaciones matemáticas
• Scipy: computación científica y técnica.
• Pandas: manejo de datos, manipulación y análisis.
• matplotlib: visualización de datos
• scikit learn: aprendizaje automático

¡Aquí hay un truco simple para instalar todas esas bibliotecas de una sola vez! .Cree un file requirements.txt y enumere todos los paquetes que desea instalar, como:

numpy
scipy
pandas
matplotlib
scikit-learn

Una vez hecho esto, simplemente ejecute este comando:

pip install -r requirements.txt

Voila! Pip seguirá adelante e instalará todos los paquetes enumerados en el file de una sola vez.

¡Felicidades, su entorno está configurado y está listo para hacer Aprendizaje automático!