pyprobml

用于再现书籍 Probabilistic Machine Learning: An Introduction（即“书1”）和 Probabilistic Machine Learning: Advanced Topics（即“书2”）中图表的Python 3代码。代码使用标准的Python库，如numpy、scipy、matplotlib、sklearn等。部分代码（特别是书2中）也使用了JAX，在书1的某些部分，我们还使用了Tensorflow 2和一点Torch。有关一些跨多个笔记本共享的实用代码，请参见probml-utils。

有关代码的最新状态，请参见书1控制面板和书2控制面板。截至2022年9月，这些代码现已进入维护模式。

运行笔记本

制作所有图表所需的笔记本可以从以下位置获取。

在colab中运行笔记本

Colab预装了大多数所需的库（例如，scikit-learn、JAX），并为您提供对免费GPU和TPU的访问。我们创建了一个colab入门笔记本以提供更多详细信息。要在任何浏览器中在colab上运行笔记本，您可以转到GitHub上的特定笔记本，并将域从github.com更改为githubtocolab.com，如此处所建议。如果您使用的是Google Chrome浏览器，可以使用“Open in Colab” Chrome扩展通过单击一次来完成相同的操作。

本地运行笔记本

我们假设您已经安装了JAX、Tensorflow和Torch，因为如何安装这些库的具体细节取决于您是否有CPU、GPU等设备。

您可以使用以下任何一个选项来安装其他依赖项。

选项1

pip install -r https://raw.githubusercontent.com/probml/pyprobml/master/requirements.txt

选项2

下载requirements.txt到您的本地路径并运行

pip install -r requirements.txt

选项3

运行以下命令。（注意 --depth 1 可防止安装整个历史记录，它非常大）。

git clone --depth 1 https://github.com/probml/pyprobml.git

然后手动安装。

如果您想保存图表，您首先需要执行类似这样的命令

#export FIG_DIR="/teamspace/studios/this_studio/figures"

import os
os.environ["FIG_DIR"] = "/teamspace/studios/this_studio/pyprobml/notebooks/figures"
os.environ["DUAL_SAVE"] = "1"  # 同时保存pdf和png

这是通过savefig函数存储pdf文件所使用的。