Jupyter notebookのリモート操作
リモートでjupyterにアクセスするためのメモを残す.
以下, jupyter notebookはインストールされているものとして進める.
参考サイト:https://qiita.com/Miggy/items/5466a2c1e968602f3ebe
notebook_config.pyを編集する際の注意点 「# 以下は追加で記述」は先頭に記述.
macの起動音を消す方法
ターミナルで
[消す時]
sudo nvram SystemAudioVolume=%80
[戻す時]
sudo nvram -d SystemAudioVolume
[音量の確認]
nvram -p | grep SystemAudioVolume
pythonの軸を日本語化する手順
意外にハマったので、手順を示す.
基本は以下に従う.
【Seaborn】日本語を表示する (フォントを変更する) - Qiita
ポイントは, matplotlibの設定ファイルの場所を探してフォントを追加
import matplotlib as mpl print(mpl.matplotlib_fname())
seabornの設定ファイルを書き換える
81行目辺り
# def set(context="notebook", style="darkgrid", palette="deep", # font="sans-serif", font_scale=1, color_codes=False, rc=None): def set(context="notebook", style="darkgrid", palette="deep", font="IPAexGothic", font_scale=1, color_codes=False, rc=None):
192行目辺り
#"font.family": ["sans-serif"], "font.family": ["IPAexGothic"],
そして,
import matplotlib from matplotlib import rc print(matplotlib.get_cachedir())
キャッシュファイルの位置を特定し、削除
最後に以下で確認.
import matplotlib.pyplot as plt
import seaborn as sns
sns.set() sns.plt.plot([0,1], [0,1]); sns.plt.title('tofu - 豆腐')
plt.show()
が表示されたら成功.
pythonで機械学習する環境まとめ
複数のPCにpython環境構築す度にググるの面倒なのでここで備忘録つけます.
1. pyenvをインストール
インストール
pyenvとは, pythonのバージョンを簡単に切り替えられるツールです. gitからインストールする場合は
$ git clone git://github.com/yyuu/pyenv.git ~/.pyenv
brewコマンドが使える方は
$ brew install pyenv
でインストール出来ます.
.bashrcに設定を書き込み
$ echo 'export PATH="$HOME/.pyenv/bin:$PATH"' >> ~/.bashrc $ echo 'eval "$(pyenv init -)"' >> ~/.bashrc $ echo 'eval "$(pyenv virtualenv-init -)"' >> ~/.bashrc $ source ~/.bashrc $ pyenv -v pyenv 1.0.10-2-geef042a
pyenvの主要コマンド
バージョン確認
$ pyenv versions
切り替え
$ pyenv global X.X.X
インストール可能なバージョン一覧
$ pyenv install --list
2. anacondaのインストール
pythonで機械学習を行う場合はanacondaが最適です. 2.x系と3.x系がありますが, 特にこだわりがなければ 3.x系をオススメします.
インストール
$ pyenv install anaconda2-X.X.X $ pyenv install anaconda3-X.X.X
3. jupyter notebookの起動
anacondaが上手くインストールされていれば、 下記コマンドでjupyter notebookを起動できます.
$ jupyter notebook
4. jupyterでanaconda2とanaconda3の共存
pyenvコマンドで -anaconda2をアクティブにして,
$ jupyter kernelspec install-self --user
-anaconda3をアクティブにして,
$ jupyter kernelspec install-self --user
GAMS事始め
授業でGAMSを使うことになったので, macに実装環境を整える方法を記載する. まずはホームページでmacOSのGAMSをインストール.
インストールが完了したら, アプリケーションに入れる. ライセンスファイルgamslice.txtを/Applications/GAMS24.8/sysdirに保存する.
.bash_proflie以下のPATHを通す
#GAMS export PATH=$PATH:"/Applications/GAMS24.8/GAMS Terminal.app/../sysdir"
PATHが上手く通っているか以下のコマンドを打つことで確認する.
gamslib trnsport gams trnsport
出力結果が以下のように表示されれば上手くいっている.
--- Job trnsport Start 06/26/14 11:24:56 24.3.1 r46409 DEX-DEG Mac x86_64/Darwin GAMS 24.3.1 Copyright (C) 1987-2014 GAMS Development. All rights reserved Licensee: ... --- Starting compilation --- trnsport.gms(69) 3 Mb --- Starting execution: elapsed 0:00:00.024 --- trnsport.gms(45) 4 Mb --- Generating LP model transport --- trnsport.gms(66) 4 Mb --- 6 rows 7 columns 19 non-zeroes --- Executing CPLEX: elapsed 0:00:00.114 IBM ILOG CPLEX 24.3.1 ... DEG Mac x86_64/Darwin Cplex 12.6.0.0 Reading data... Starting Cplex... Space for names approximately 0.00 Mb Use option 'names no' to turn use of names off Tried aggregator 1 time. LP Presolve eliminated 1 rows and 1 columns. Reduced LP has 5 rows, 6 columns, and 12 nonzeros. Presolve time = 0.02 sec. (0.00 ticks) Iteration Dual Objective In Variable Out Variable 1 73.125000 x(seattle.new-york) demand(new-york) slack 2 119.025000 x(seattle.chicago) demand(chicago) slack 3 153.675000 x(san-diego.topeka) demand(topeka) slack 4 153.675000 x(san-diego.new-york) supply(seattle) slack LP status(1): optimal Cplex Time: 0.03sec (det. 0.01 ticks) Optimal solution found. Objective : 153.675000 --- Restarting execution --- trnsport.gms(66) 2 Mb --- Reading solution for model transport --- trnsport.gms(68) 3 Mb *** Status: Normal completion --- Job trnsport.gms Stop 06/26/14 11:24:57 elapsed 0:00:00.487