台大李宏毅教授机器学习课程作业指南

资源摘要信息:"台大李宏毅(Hung-Yi Lee) 教授的Machine Learning (2016, Fall)作业分享" 1. Python虚拟环境创建与管理: - virtualenv工具的使用: virtualenv是一种创建和管理Python虚拟环境的工具。虚拟环境可以为不同的项目创建独立的运行环境，避免不同项目之间的依赖冲突。 - 创建虚拟环境的命令: 使用命令`virtualenv ./ENV`创建名为ENV的虚拟环境目录。 - 进入虚拟环境: 通过`source ./ENV/bin/activate`命令激活虚拟环境。 - 退出虚拟环境: 输入`deactivate`命令可以退出当前激活的虚拟环境。 - 安装依赖项: 在虚拟环境中使用`pip2.7 install -r requirements.txt`命令安装所有依赖项。 2. 使用pyenv和pipenv管理Python版本和项目依赖: - pyenv的使用: pyenv是一个用于管理多个Python版本的工具，可以方便地切换全局或局部Python环境。 - 安装特定Python版本: 使用`pyenv install 2.7.15`命令安装Python 2.7.15版本。 - 设置局部Python版本: 通过`pyenv local`命令设置本地项目使用特定Python版本。 - pipenv的使用: pipenv结合了pip和virtualenv的功能，为用户提供了更简单的方式来安装依赖项和运行Python应用。 - 使用pipenv创建环境: 首先使用`pipenv --python 2.7.15`设置项目使用的Python版本，然后执行`pipenv install`安装依赖项。 - 进入pipenv虚拟环境: 通过`pipenv shell`命令进入pipenv管理的虚拟环境。 3. 张量流GPU支持设置: - NVIDIA图形驱动程序安装: 张量流(TensorFlow)需要依赖NVIDIA的CUDA工具包，因此需要确保安装了与CUDA兼容的NVIDIA驱动程序。 - 安装CUDA 9.0: CUDA是NVIDIA的并行计算平台和编程模型，提供了对GPU的深度支持。用户需要安装CUDA 9.0版本。 - 安装cuDNN 7.0: cuDNN是针对深度神经网络的NVIDIA核心数学库，它提供了深度学习中经常使用的数学运算。cuDNN 7.0需要与CUDA 9.0配合使用。 4. 关联知识点与技能: - 机器学习: 本作业来源于机器学习课程，涉及的知识点包括监督学习、无监督学习、强化学习等。 - 深度学习: 作业中可能包含深度学习相关任务，如使用神经网络模型。 - 神经网络: 作为深度学习的核心组件，神经网络在图像处理、语音识别等领域广泛应用。 - Keras: 一种高级神经网络API，它运行在TensorFlow等框架之上，能够以最小的延迟将想法转换为结果。 - Python: 编程语言，广泛用于机器学习项目中，因为它具有丰富的库和框架支持。 - 课程项目: 本次分享的资源是与课程相关的作业，可能包含了多个机器学习项目。 5. 文件结构说明: - "NTU_HYLee_MachineLearning_Homework-master"文件名表明这是一个包含台大李宏毅教授机器学习课程相关作业的压缩包。 - 通常，类似的文件夹结构会包含不同作业的项目文件、数据集、文档说明以及可能的环境配置脚本等。