Praktische Einführung in Deep Learning für Computer VisionHPI-Student Team für neuronale Netze

Це відео відноситься до openHPI курсу Praktische Einführung in Deep Learning für Computer Vision. Бажаєте побачити більше?

Exkurs: Mac Installation (cli - Homebrew Packet Manager)

Часове навантаження: прибл. 9 хвилин

An error occurred while loading the video player, or it takes a long time to initialize. You can try clearing your browser cache. Please try again later and contact the helpdesk if the problem persists.

Про це відео


Die folgenden Befehle wurden von uns in diesem Video verwendet. Wir wollen euch diese bereitstellen, damit ihr sie nur noch mit kleinen Änderungen (beschreiben wir im Video) in euer Terminal kopieren könnt.

Schritte:
  • Solltet ihr kein Homebrew auf eurem Rechner installiert haben, müsst ihr dies als aller Erstes tun. Geht hierfür auf die offizielle Webseite und kopiert den Befehl zu "Install Homebrew" in euer Terminal und führt ihn aus.

Im Terminal:

  • brew cask install anaconda installiert euch die aktuelle Anaconda Version mit dem Homebrew Paket Manager.
  • conda verrät uns, ob wir den Befehl conda überall im Terminal verwenden können
  • echo 'export PATH="/usr/local/anaconda3/bin:$PATH"' >> <SHELL_KONFIGURATIONSDATEI> schreibt den Pfad zu dem conda Befehl in eure Konfigurationsdatei. Bei mir handelt es sich bei der Shell Konfigurationsdatei um .zshrc, da ich die zsh Shell verwende. Ihr habt höchstwahrscheinlich die bash Shell und somit die Konfigurationsdatei .bash_profile. Wenn ihr euch sicher sein wollt, erfahrt ihr den Namen eurer Shell unter dem Befehl: echo “$SHELL”.
  • source <SHELL_KONFIGURATIONSDATEI> führt die Konfigurationsdatei aus, sodass der Pfad nicht nur in die Datei geschrieben, sondern ebenfalls exportiert wird, um conda anschließend überall im Terminal ausführen zu können.
  • conda sollte jetzt den Hilfstext mit einer Liste der verfügbaren Befehle ausgeben.
  • conda create -n neuralnets2020 erstellt eine Anaconda (virtuelle) Umgebung mit dem Namen neuralnets2020. In diesem können wir jetzt alle notwedigen Pakete installieren ohne andere Umgebungen zu beeinflussen und das Projekt somit von allen anderen Projekten und deren Abhängigkeiten zu isolieren.
  • conda init <SHELL_NAME> initialisiert die Shell, um anschließend Anaconda Umgebungen zu aktivieren (z.B.: conda init zsh oder conda init bash).
  • conda activate neuralnets2020 aktiviert die virtuelle Umgebung (befinden uns anschließend in dieser), was durch das Kürzel vor dem User erkennbar ist.
  • conda install tensorflow nb_conda numpy matplotlib installiert alle benötigten Pakete in der aktiven Umgebung.
  • jupyter notebook startet einen Notebook Server, sodass ihr lokal in eurem Browser Jupyter Notebooks erstellen könnt und die gleiche Funktionalitäten habt, wie sonst in Google Colab (kann mit CTRL-C beendet werden).
  • conda deactivate deaktiviert die aktuell aktive, virtuelle Umgebung, um z.B. eine andere Umgebung zu öffnen.
  • conda activate neuralnets2020 aktiviert erneut eine erstellte virtuelle Umgebung, um die Arbeit an dem Projekt fortzusetzen.