赋闲在家,开始学习机器学习。
以前的产品中,我们用过几种回归模型,不过都是负责模型的同事帮忙建模,指导开发同事把模型应用于产品的具体业务模块中。我虽然参与并指导了整个过程,但并没有动手操作,这次开始自己准备几个模型学习下。
第一步:准备环境
机器学习最常用的语言非Python莫属了。OK,准备Python环境。
如果自己安装Python及各种库,可以百度相关内容,我这里直接使用Docker环境。
最近发现Docker还真是个不错的东西,非常适合开发人员快速拿出一个环境上手操作。也非常适合用于测试,测试的同事可以准备好一套环境后,发布为镜像,然后基于shell快速搭建若干套测试环境。
0x00:准备云服务器
我试过阿里、腾讯、华为云,最近618各家还在做一些促销活动。比较了下,同一价位中,华为云的带宽远胜过腾讯云。这次就用华为云了。
0x01:安装Docker
云服务器的操作系统不同,docker的安装方法稍有差别,不过相差不大。具体可以百度各位大神的分享。
0x02:镜像选择
docker提供docker search命令,想要什么环境直接搜索。里面有各位前辈制作的各种镜像。
排在前面的是使用人数比较多的镜像,可以根据描述,从里面选择本次需要的镜像文件。
本次我们采用“tensorflow/tensorflow”镜像
0x03:下载镜像
docker pull命令把镜像下载到本地
0x04:使用镜像
docker run命令
这里需要注意,看我们后续的使用方式,可以在linux terminal中编辑python文件,然后运行,也可以使用镜像提供的Jupyter环境,直接在浏览器中编辑。如果使用Jupyter。需要我们在云服务的网络管理中添加相应的访问规则。如放开8888端口等。
sudo docker run --name ming-tensortflow -it -p 8888:8888 -v ~/pythonstudy:/study tensorflow/tensorflow
这里注意加颜色的部分
ming-tensortflow是我自己给容器起的名字,可以随便修改
~/pythonstudy是我的华为云服务器上的一个目录
/study是docker容器内虚拟机的目录,就是把我云服务器上的一个真实目录映射为虚拟机内的一个目录,方便后续存储文件等。
此处映射了端口8888
0x05:正式开始机器学习
我们可以先找一些demo,在环境中一步一步试试效果,理解每一步的内容,同时,补充学习各种算法的基础知识和适用场景。
具体内容,我们后续文章继续介绍。