Skip to content

how-to-run.md

Latest commit

 

History

History
71 lines (44 loc) · 8.85 KB

how-to-run.md

File metadata and controls

71 lines (44 loc) · 8.85 KB
Raw

Як Запустити Код

Ця навчальна програма містить багато виконуваних прикладів і лабораторних робіт, які ви захочете запустити. Для цього вам потрібна можливість виконувати код Python у Jupyter Notebook, наданих як частина цієї програми. У вас є кілька варіантів запуску коду:

Запуск локально на вашому комп’ютері

Щоб запускати код локально на вашому комп’ютері, потрібна установка Python. Одним із варіантів є встановлення miniconda — це досить легка установка, яка підтримує менеджер пакетів conda для різних Python віртуальних середовищ.

Після встановлення miniconda, клонувати репозиторій і створити віртуальне середовище, яке буде використовуватися для цього курсу:

git clone http://github.com/microsoft/ai-for-beginners
cd ai-for-beginners
conda env create --name ai4beg --file .devcontainer/environment.yml
conda activate ai4beg

Використання Visual Studio Code з розширенням Python

Цю навчальну програму найкраще використовувати, відкриваючи її у Visual Studio Code з розширенням Python.

Примітка: Після клонування і відкриття каталогу у VS Code він автоматично запропонує встановити розширення для Python. Також вам доведеться встановити miniconda, як описано вище.

Примітка: Якщо VS Code запропонує вам заново відкрити репозиторій у контейнері, варто відмовитись від цього, щоб використовувати локальну установку Python.

Використання Jupyter у браузері

Ви також можете використовувати середовище Jupyter у браузері на вашому комп'ютері. І класичний Jupyter, і JupyterHub забезпечують зручне середовище розробки з автодоповненням, підсвічуванням коду тощо.

Щоб запустити Jupyter локально, перейдіть у каталог курсу та виконайте:

jupyter notebook

або

jupyterhub

Ви можете потім перейти до будь-якого з файлів .ipynb, відкрити їх і почати працювати.

Запуск у контейнері

Однією з альтернатив установці Python є запуск коду у контейнері. Оскільки наш репозиторій містить спеціальну папку .devcontainer, яка вказує, як зібрати контейнер для цього репо, VS Code пропонує можливість повторно відкрити код у контейнері. Для цього потрібно встановити Docker, і це буде складніше, тому ми рекомендуємо це більш досвідченим користувачам.

Запуск у хмарі

Якщо ви не хочете встановлювати Python локально і маєте доступ до хмарних ресурсів, гарною альтернативою буде запуск коду у хмарі. Є кілька способів це зробити:

  • Використання GitHub Codespaces — це віртуальне середовище, створене для вас на GitHub, доступне через веб-інтерфейс VS Code. Якщо у вас є доступ до Codespaces, ви можете просто натиснути кнопку Code у репозиторії, запустити codespace і почати працювати миттєво.
  • Використання Binder. Binder надає безкоштовні обчислювальні ресурси у хмарі для людей, які хочуть спробувати код на GitHub. На головній сторінці є кнопка для відкриття репозиторію у Binder — це швидко направить вас на сайт binder, який створить контейнер і безшовно запустить Jupyter у веб-інтерфейсі для вас.

Примітка: Щоб запобігти зловживанню, Binder має заблокований доступ до деяких веб-ресурсів. Це може завадити роботі деякого коду, який завантажує моделі та/або набори даних з публічного Інтернету. Можливо, доведеться шукати обхідні шляхи. Також обчислювальні ресурси Binder досить базові, отже навчання буде повільним, особливо на пізніших, більш складних уроках.

Запуск у хмарі з GPU

Деякі пізніші уроки цієї програми значно виграють від підтримки GPU. Навчання моделей, наприклад, інакше може бути дуже повільним. Існує кілька варіантів, якщо ви маєте доступ до хмари через Azure for Students або через вашу установу:

  • Створіть Data Science Virtual Machine і підключіться до неї через Jupyter. Ви можете клонувати репозиторій безпосередньо на машину та почати навчання. Віртуальні машини серії NC підтримують GPU.

Примітка: Деякі підписки, включно з Azure for Students, не надають підтримку GPU за замовчуванням. Можливо, доведеться запросити додаткові ядра GPU через технічну підтримку.

  • Створіть Azure Machine Learning Workspace і потім використовуйте функцію Notebook там. Цей відеоролик показує, як клонувати репозиторій у Azure ML notebook і почати його використовувати.

Ви також можете використовувати Google Colab, який має безкоштовну підтримку GPU, і завантажувати туди Jupyter Notebook для поступового виконання.

Відмова від відповідальності: Цей документ було перекладено за допомогою сервісу штучного інтелекту для перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ рідною мовою слід вважати авторитетним джерелом. Для критично важливої інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникли внаслідок використання цього перекладу.