《机器学习系统设计:Python语言实现》一2.2 IPython控制台

2.2 IPython控制台

IPython包在其版本4的发布中有一些显著的变化。以前版本的包是一个整体结构,而现在被分为几个子包。IPython项目分成了几个独立的项目。大部分代码仓库被转移到了Jupyter项目(jupyter.org)。
IPython的核心是IPython控制台,这是一个强大的交互式解释器,可以让我们非常快速和直观地测试我们的想法。当我们想测试一段代码时,无须每次都创建、保存和运行代码文件,只需要在控制台输入即可。IPython的强大特性在于,它将大多数计算平台所依赖的传统的“读取-求值-打印”循环进行了解耦。IPython将求值阶段置于一个独立进程,即其内核。而且重要的是,可以有多个客户端对内核进行访问。这意味着我们可以运行多个文件中的代码并进行访问,例如,从控制台运行一个方法。此外,内核和客户端不需要在同一台机器上。这对分布式和网络计算有着强大的影响。
IPython控制台具备很多命令行特性,例如tab键补齐和可以复制终端命令的%magic命令。如果你所使用的Python发布已经安装了IPython,则可以在Python命令行中输入ipython命令来启动IPython。在IPython控制台输入%quickref将得到其命令列表和对应的功能说明。
IPython notebook也值得推荐。该项目已经合并到Jupyter项目中了(jupyter.org)。这是一个强大的Web应用平台,有超过40种语言的数值计算。IPython notebook允许现场代码分享和协同,并发布丰富的图形和文本。

时间: 2024-10-30 08:32:08

《机器学习系统设计:Python语言实现》一2.2 IPython控制台的相关文章

《机器学习系统设计:Python语言实现》一导读

前 言 机器学习是计算世界所见的最大趋势之一.机器学习系统具有意义深远且令人兴奋的能力,能够在各种应用领域为人们提供重要的洞察力,从具有开创性的挽救生命的医学研究到宇宙基础物理方面的发现,从为我们提供更健康.更清洁的食物到互联网分析和建立经济模型,等等.事实上,就某种意义而言,这项技术在我们的生活中已经无所不在.要想进入机器学习的领域,并且对其具有充分的认知,就必须能够理解和设计服务于某一项目需要的机器学习系统. 本书的主要内容 第1章从机器学习的基础知识开始,帮助你用机器学习的范式进行思考.你

《机器学习系统设计:Python语言实现》一第2章 工具和技术

第2章 工具和技术 Python具备大量可用于机器学习任务的包库.本章将探索以下包:IPython控制台:NumPy,支持多维数组.矩阵和高阶数学函数的扩展:SciPy,包含科学公式.常数和数学函数的库:Matplotlib,用于制图:Scikit-learn,用于诸如分类.回归和聚类等机器学习任务的库.要尝试这些巨大的库,你只需要有足够的空间和一项重要的技能,就是能够发现和理解各种包的参考资料.在教程风格的文档里不可能呈现所有不同的功能,因此能够不迷失在那些有时庞杂的API参考手册中就显得尤为

Python语言下的机器学习库

Python是最好的编程语言之一,在科学计算中用途广泛:计算机视觉.人工智能.数学.天文等.它同样适用于机器学习也是意料之中的事. 当然,它也有些缺点;其中一个是工具和库过于分散.如果你是拥有unix思维(unix-minded)的人,你会觉得每个工具只做一件事并且把它做好是非常方便的.但是你也需要知道不同库和工具的优缺点,这样在构建系统时才能做出合理的决策.工具本身不能改善系统或产品,但是使用正确的工具,我们可以工作得更高效,生产率更高.因此了解正确的工具,对你的工作领域是非常重要的. 这篇文

sklearn:Python语言开发的通用机器学习库

引言:深入理解机器学习并完全看懂sklearn文档,需要较深厚的理论基础.但是,要将sklearn应用于实际的项目中,只需要对机器学习理论有一个基本的掌握,就可以直接调用其API来完成各种机器学习问题. 本文选自<全栈数据之门>,将向你介绍通过三个步骤来解决具体的机器学习问题. sklearn介绍 scikit-learn是Python语言开发的机器学习库,一般简称为sklearn,目前算是通用机器学习算法库中实现得比较完善的库了.其完善之处不仅在于实现的算法多,还包括大量详尽的文档和示例.其

机器人系统设计与制作:Python语言实现2.5 用Blender制作机器人的三维模型

2.5 用Blender制作机器人的三维模型 在这一节中,我们将设计机器人的3D模型.3D模型主要用来进行三维仿真,采用Blender工具软件进行建模.Blender的版本必须要在V2.6以上,目前我们只在V2.6以上版本中测试过. Blender软件主界面上的工作空间和用于3D建模的工具栏如图2-14的屏幕截图所示. 我们选择用Blender这个工具的主要原因是,它可以用Python脚本语言进行机器人的3D建模.Blender有一个内置的Python解释器和脚本编辑器,用于代码编写.这里,我们

机器人系统设计与制作:Python语言实现2.1 服务机器人的设计需求

摘要 服务机器人的机械设计 本书的主要目的是通过设计和构建机器人,并使用Python语言对它进行编程实现来学习机器人技术.我们先来看看如何从零开始对机器人的机械结构进行设计.我们将要设计搭建的是一种服务机器人,它将用于酒店和餐馆为顾客提供食物和饮料. 在本章中,我们可以看到这个机器人将使用的各种各样的机械零部件.同时,还将学到如何组装这些机械零部件.我们可以使用CAD软件工具来设计和装配这些零部件,同时搭建一个机器人的3D模型进行模拟仿真. 酒店里使用的机器人一般会比较大,但在这里我们打算搭建一

强者联盟——Python语言结合Spark框架

引言:Spark由AMPLab实验室开发,其本质是基于内存的快速迭代框架,"迭代"是机器学习最大的特点,因此非常适合做机器学习.得益于在数据科学中强大的表现,Python语言的粉丝遍布天下,如今又遇上强大的分布式内存计算框架Spark,两个领域的强者走到一起,自然能碰出更加强大的火花(Spark可以翻译为火花),因此本文主要讲述了PySpark. 本文选自<全栈数据之门>. 全栈框架 Spark由AMPLab实验室开发,其本质是基于内存的快速迭代框架,"迭代&qu

数据科学和机器学习工具和语言最新动态

文章讲的是数据科学和机器学习工具和语言最新动态,第18届年度KDnuggets软件投票又一次受到了分析.数据科学界和软件生产商的热情参与.与去年相似,约有2900人参与了此次投票.最近几年,Python的使用增长率一直比R快,到今年,Python终于以微弱的优势超过了R的使用率 (52.6% Vs 52.1%).然而最大的惊喜应该是深度学习工具的广泛共享和使用.2017年深度学习有32%的使用率,而在2016年只有18%,2015年9%.谷歌Tensorflow迅速成为深度学习平台的领头者,以2

Linux集群和自动化维3.1 Python语言的应用领域

第3章 轻量级自动化运维工具Fabric详解 近期公司的业务系统代码发布频繁,笔者同时在几个项目组里面穿插工作,发现发布和运维的工作都相当机械,加上频率比较高,导致时间的浪费也比较多.很多测试工作,例如通过SSH登录到测试环境,推送代码,然后修改Bug进行测试,这些操作都是非常机械并且具有重复性的.更让人郁闷的是,每次的操作都是相同的,命令基本上都是一样的,并且是在多台机器上执行,很难在本机上以一个脚本来搞定,主要时间都浪费在使用SSH登录和输入命令上了.这个时候需要一个轻量级的自动化运维工具,