Ana içeriğe atla

Colab Üzerinden Kütüphane Kurma ve Çalıştırma

 Meğer online Python çalıştırmak ne güzelmiş... Keras kurmak hiç bu kadar kolay olmamıştı. Tek yaptığım kod satırına 

! pip install -q keras

yazarak çalıştırmak oldu. Böylece Keras bir kaç saniye içinde kuruldu. Daha sonra

import keras

yazıp çalıştırarak Keras'ı çağırdık. Bu kurulum dikkat ederseniz pip kulanarak gerçekleştirildi.
Kütüphane kurmanın bir diğer yolu da get apt kullanmak. Örneğin Graphviz kütüphanesini bu yolla
kurmak için:

!apt-get install graphviz -y

yazarak çalıştırıyoruz.


Etiketler:

Yorumlar

Yorum Gönder

Bu blogdaki popüler yayınlar

Colab Üzerinden Google Drive İle Bağlantı Kurma

 Aslında Colab, zaten drive üzerinde çalışıyor. O yüzden şu aşamada tam olarak ne işe yarayacağını bilemesem de, Python kodları ile drive belgelerine ulaşmak hoşuma gitti. Bir kod satırı açtıktan sonra from  google.colab  import  drive drive.mount( '/gdrive' ) %cd  /gdrive yazdım. Çalıştırınca bir bağlantı adresi ve authorization code girebileceğim bir pencere açıldı. Bağlantı adresine tıklayınca, ilgili Gmail hesabına giriş istedi ve bir şifre verdi. Bu şifreyi kopyalayıp Colab ortamındaki pencereye yapıştırdım. Böylece Colab üzerinden Google Drive erişimi gerçekleşmiş oldu. Örneğin; !ls yazdığımda, Drive içinde hangi klasörlerin olduğunu görebiliyorum. Belli bir klasörün içindeki başka bir klasöre gitmek istediğimde, ! ls  "/gdrive/MyDrive/DeepLearn" gibi bir kod yazabiliyorum. Burada "gdrive", Google Drive'ı simgeliyor. "MyDrive", zaten onun içinde hep var. DeepLearn ise, benin önceden oluşturduğum bir klasör. Command Prompt'ta olduğu g...
Yorum Gönder
Devamı

Colab ile Python Dosyası Açma

 Hiç kolay olmadı. Açmak istediğimiz Python dosyasını drive'da, Colab çalışma belgemizin bulunduğu klasöre indiriyoruz. Normalde Python çalıştırırken,  açmak istediğimiz dosya, resim, text vs.örneğin Spyder kurulu olan klasörde ise doğrudan açılıyordu. Ama burada öyle olmadı. Aynı klasörde olmalarına rağmen açmadı. Çünkü Python dosyasını drive'a indirdikten sonra sıfırlayıp  ! kill - 16  - 1 yazınca ilgili aralıktaki tüm hücreleri yok sayıp bir nevi resetlemiş oluyor. Daha sonra tekrar Colab üzerinden drive logini yapmak gerekti. Hatırlarsak from  google.colab  import  drive drive.mount( '/gdrive' ) %cd  /gdrive satırlarını çalıştırarak drive'a giriş yapıp şifre kopyalayıp girmiştik. Daha sonra import  os os.chdir( "/gdrive/My Drive/DeepLearn" ) ile Python dosyası ve Colab belgesinin bulunduğu (bendeki adı DeepLearn) klasöre girdik. Şimdi !ls yazınca bu klasördeki dosyaları gördük: Burada Deneme benim Colab belgem, Euroka5Kasım.py i...
Yorum Gönder
Devamı

Vektör, Matris ve Tensör Kavramları

 Vektörler satır ya da sütun şeklinde (tek boyutlu) oluyor. Yani bunlara "tek boyutlu" dersek, matrisler hem satır hem de sütunlardan oluşuyor. Matrislere de "2 boyutlu" diyebiliriz. Tensörlerde ise bir çeşit 3. boyut var. Yani satır, sütun bir de "kanal" dediğimiz boyut var. Bunlarla işlem yapmak için önce numpy kütüphanesini import ediyoruz.   Numpy kullanarak bir skaler (0 boyut) tanımlamak istediğimizde örneğin: x=np.array( 5 ) yazıyoruz. Şimdi x, içinde sadece 5 olan bir array. Boyutunu görmek istediğimizde ise x.ndim yazıyoruz ve boyutun 0 olduğunu görüyoruz. Vektör tanımlamak için ise: x=np.array([1,4,-3,2,5]) yazıyoruz. Bunun boyutunu sorduğumuzda da 1 cevabını alıyoruz. Matris tanımlamak için de örneğin: A=np.array([[1,2,3],[5,10,0],[1,3,-4]]) yazıyoruz. Bunun boyutunu da 2 olarak veriyor. Şimdi bir de tensör tanımlayalım: B=np.array([[[ 1 , 2 , 3 ],[ 1 , 2 , 3 ],[ 1 , 2 , 3 ]],[[ 4 , 5 , 6 ],[ 4 , 5 , 6 ],[ 4 , 5 , 6 ]],[[ 7 , 8 , 9 ],[ 7 , 8 , ...
Yorum Gönder
Devamı