Tag python

こう…, python環境ってなんで改めて構築しようとするたびに詰まるのですかね？

conda update –all
Collecting package metadata (current_repodata.json): failed

CondaHTTPError: HTTP 000 CONNECTION FAILED for url <https://repo.anaconda.com/pkgs/main/win-64/current_repodata.json>
Elapsed: –

An HTTP error occurred when trying to retrieve this URL.
HTTP errors are often intermittent, and a simple retry will get you on your way.

If your current network has https://www.anaconda.com blocked, please file
a support request with your network engineering team.

‘https://repo.anaconda.com/pkgs/main/win-64’

今回のエラーはこれ. DLLが衝突する場合, パスに”<%PYTHON_HOME%\Library\bin>”が足りない場合が私の環境における問題でしたので環境変数のPATHからpython関係以外のものをすべて除いたうえで/Library/binを追加して解決しました.
以上です.

今思えば--freeze-installedでよかった…
発生要因は軽い気持ちの P I P .

spaCyのインストールをしようとしましたら.
ERROR conda.core.link:_execute(700): An error occurred while uninstalling package ‘<unknown>::mkl-2019.3-intel_203’.
Rolling back transaction: done

ValueError(‘Attempted to make prefix record for unknown package type: mkl-2019.3-intel_203’,)
()
で突き返されました.

conda uninstall mkl
conda clean -all
conda remove –force mkl
conda install -c intel –force-reinstall mkl
何をしてもダメ.
がしかし, 何をしてもダメなことはない.

${CONDA_PREFIX}/conda-meta/<package-name-and-version>-<hash>.json

管理しているパッケージの情報はここにあるとのこと. 削除します.
conda install -c intel –force-reinstall mkl
完璧. 念のため--force-reinstallオプションをつけましたがいらないかもしれません.

アーインストール♪　アーインストール♪
こーのー星の無数の…

　はい、ということでsetup.pyから直接インストールしてしまった場合についての対処法です。pipというすばらしいパッケージ管理システムを通さずにインストールしてしまうとまぁ大変。次からはやめましょう。

• windows版xargs

Windows（オプション必要かも<(_ _)>）:
python setup.py install –record files.txt
type files.txt | xargs del
Linux:
python setup.py install –record files.txt
cat files.txt | xargs rm -rvf

こちらのコマンドでアンインストールできないこともないですが、強引な操作となる為、意図しないファイルを削除してしまうことがあります。使用には十分気を付けてくださいねー。

setup.pyから直接インストールしない方法
pip install wheel
python setup.py bdist_wheel
cd dist
pip install .whl

話自体は昔のことなんですがね？
WindowsであるAnaconda環境からjupyterを立ち上げたいと思うじゃないですか？
ググりますね？

「Anacondaから開いたプロンプトでjupyter notebookうてばいけるよ！」

「できました！」

「I can not! Ahhhh!!!」

C:\Users\%USERNAME%\Anaconda3\Scripts\jupyter-notebook-script.py %USERPROFILE%
…ということで、スクリプトを直接実行してみましたらできました。
C:\Users\%USERNAME%\Anaconda3\Scripts\spyder-script.py
Spyderについても同様です。
パスは(ry

…が、しかしね？この話にはまだ続きがありまして、

python -m ipykernel install –user –name= –display-name=

こちらの方法でもイケるのですよ。…むしろこっちが正しい(笑)。
ただ「IPython-notebook-extensions」がエラーを起こす…かもしれない。

ほいでは。ﾉｼ

プリセットを利用する

tf.estimator

　抽象度の高いAPI。 高位の機械学習APIともいう。 データの入力には下記のfeature-columnsを用いる。
　このクラスは以下を内包している。

• BaselineClassifier: A classifier that can establish a simple baseline.
• BaselineRegressor: A regressor that can establish a simple baseline.
• BestExporter: This class exports the serving graph and checkpoints of the best models.
• BoostedTreesClassifier: A Classifier for Tensorflow Boosted Trees models.
• BoostedTreesRegressor: A Regressor for Tensorflow Boosted Trees models.
• DNNClassifier: A classifier for TensorFlow DNN models.
• DNNLinearCombinedClassifier: An estimator for TensorFlow Linear and DNN joined classification models
• DNNLinearCombinedRegressor: An estimator for TensorFlow Linear and DNN joined models for regression.
• DNNRegressor: A regressor for TensorFlow DNN models.
• Estimator: Estimator class to train and evaluate TensorFlow models.
• EstimatorSpec: Ops and objects returned from a model_fn and passed to an Estimator.
• EvalSpec: Configuration for the “eval” part for the train_and_evaluate call.
• Exporter: A class representing a type of model export.
• FinalExporter: This class exports the serving graph and checkpoints in the end.
• LatestExporter: This class regularly exports the serving graph and checkpoints.
• LinearClassifier: Linear classifier model.
• LinearRegressor: An estimator for TensorFlow Linear regression problems.
• ModeKeys: Standard names for model modes.
• RunConfig: This class specifies the configurations for an Estimator run.
• TrainSpec: Configuration for the “train” part for the train_and_evaluate call.
• VocabInfo: Vocabulary information for warm-starting.
• WarmStartSettings: Settings for warm-starting in Estimators.

tf.feature-columns

　estimatorへ入力する特徴列（データ）の定義。特徴列の型、サイズ、構造を定義し、生成する。

オリジナルモデルを構築する

tf.Variable

　重みやバイアスといった学習対象の変数を格納する。

• Weight (W)
• Bias (B)

tf.placeholder

　学習に必要なデータを供給する。テストデータの入力の際はnumpy行列をそのまま渡す。

• train_x
• train_Y

　
参考:
・https://towardsdatascience.com/deploy-tensorflow-models-9813b5a705d5
・https://www.kaggle.com/liampetti/deep-neural-network-using-tensorflow
・https://www.kaggle.com/fuzzyfroghunter/getting-started-with-tensorflow
・https://stackoverflow.com/questions/41116782/tensorflow-how-to-get-prediction
・https://stackoverflow.com/questions/36693740/whats-the-difference-between-tf-placeholder-and-tf-variable