मशीन लर्निंग की दुनिया में आपका स्वागत है! चाहे आप अभी शुरुआत कर रहे हों या थोड़ा सा काम किया हो, एक सुव्यवस्थित स्थानीय वातावरण आपके जीवन को बहुत आसान बना सकता है। इस गाइड में, हम मिनिकोंडा और कोंडा का उपयोग करके आपका स्थानीय वातावरण स्थापित करेंगे। हम मशीन लर्निंग और डेटा साइंस के लिए कुछ सबसे आवश्यक पायथन लाइब्रेरी भी स्थापित करेंगे: Pandas, NumPy, Matplotlib, और Scikit-learn .

चेतावनी: यह सेटअप 100% तनाव-मुक्त है (शायद उस हिस्से को छोड़कर जहां हम लाइब्रेरी स्थापित करते हैं?)।

मिनिकोंडा क्यों?

आप सोच रहे होंगे: "मिनीकोंडा क्यों और एनाकोंडा क्यों नहीं?" खैर, यह पूरी तरह से भरी हुई अंतरिक्ष यान के बीच चयन करने जैसा है? (एनाकोंडा) और एक हल्का, अधिक अनुकूलन योग्य अंतरिक्ष यान? (मिनीकोंडा)। मिनिकोंडा आपको केवल आवश्यक चीजें देता है, जिससे आप केवल वही पैकेज स्थापित कर सकते हैं जिनकी आपको आवश्यकता है और चीजों को साफ-सुथरा रखें।

चरण 1: मिनिकोंडा स्थापित करें

1.1. मिनिकोंडा डाउनलोड करें

मिनीकोंडा वेबसाइट पर जाएं और अपने ऑपरेटिंग सिस्टम के लिए उपयुक्त इंस्टॉलर डाउनलोड करें:

• विंडोज़: .exe इंस्टॉलर
• macOS: .pkg इंस्टॉलर
• लिनक्स: .sh इंस्टॉलर

1.2. मिनिकोंडा स्थापित करें

एक बार डाउनलोड हो जाने पर, अपने सिस्टम के लिए निर्देशों का पालन करें:

• विंडोज़: .exe इंस्टॉलर चलाएँ। जब यह पूछता है, तो "मेरे PATH पर्यावरण चर में मिनिकोंडा जोड़ें" बॉक्स को चेक करें (यह बाद में जीवन को आसान बना देगा, मुझ पर विश्वास करें?)।
• macOS/Linux: एक टर्मिनल खोलें और इंस्टॉलर चलाएं:

  bash Miniconda3-latest-Linux-x86_64.sh  # for Linux
  bash Miniconda3-latest-MacOSX-x86_64.sh  # for macOS

संकेतों का पालन करें। यह गर्म पैनकेक पर लगे मक्खन से भी अधिक चिकना है! ?

1.3. स्थापना सत्यापित करें

एक बार इंस्टॉल हो जाने पर, सुनिश्चित करें कि सब कुछ कार्य क्रम में है। अपना टर्मिनल या कमांड प्रॉम्प्ट खोलें और टाइप करें:

conda --version

यदि आपको कोई संस्करण संख्या दिखाई देती है, तो बधाई हो—आपने मिनिकोंडा को जाने के लिए तैयार कर लिया है! ?

चरण 2: एक कोंडा वातावरण स्थापित करें

यहाँ मज़ेदार हिस्सा आता है! कॉनडा के साथ, आप अपनी परियोजनाओं को व्यवस्थित रखने और पैकेज टकराव को रोकने के लिए पृथक वातावरण बना सकते हैं। इसे ऐसे समझें कि अलग-अलग शौक के लिए अलग-अलग अलमारियाँ हों—मछली पकड़ने के गियर का कोई मिश्रण न हो? आपके गेमिंग सेटअप के साथ?.

2.1. एक नया वातावरण बनाएं

एक नया वातावरण बनाने के लिए (इसे अपने प्रोजेक्ट के व्यक्तिगत कार्यक्षेत्र के रूप में सोचें), निम्नलिखित कमांड का उपयोग करें:

conda create --name ml-env python=3.10

यहां, ml-env आपके पर्यावरण का नाम है, और हम Python को संस्करण 3.10 पर सेट कर रहे हैं। आप जो भी संस्करण पसंद करें, उसका बेझिझक उपयोग करें।

2.2. पर्यावरण को सक्रिय करें

किसी भी पैकेज को स्थापित करने से पहले, हमें पर्यावरण को सक्रिय करना होगा:

conda activate ml-env

आप अपने शीघ्र परिवर्तन देखेंगे, जिससे पता चलेगा कि आप अब ml-env वातावरण के अंदर हैं। ?‍♂️ यह पायथन के एक नए आयाम में कदम रखने जैसा है, यानी।

चरण 3: आवश्यक पायथन लाइब्रेरी स्थापित करें

अपने पर्यावरण को आवश्यक उपकरणों से लैस करने का समय! हम Pandas, NumPy, Matplotlib, और Scikit-learn—किसी भी मशीन लर्निंग साहसिक कार्य के नायकों को स्थापित करेंगे। उन्हें अपने एवेंजर्स के रूप में सोचें ?‍♂️, लेकिन डेटा विज्ञान के लिए।

3.1. पांडा स्थापित करें?

पांडा संरचित डेटा के साथ काम करने के लिए बहुत अच्छा है। आप इसे एक्सेल के रूप में सोच सकते हैं, लेकिन स्टेरॉयड पर? इसे इसके साथ स्थापित करें:

conda install pandas

3.2. NumPy स्थापित करें?

NumPy संख्यात्मक संचालन और मैट्रिक्स हेरफेर के लिए आपकी पसंदीदा लाइब्रेरी है। यह बहुत सारे मशीन लर्निंग एल्गोरिदम के पीछे की गुप्त चटनी है। स्थापित करने के लिए:

conda install numpy

3.3. मैटप्लोटलिब स्थापित करें?

कुछ सुंदर चार्ट के बिना डेटा विज्ञान क्या है? मैटप्लोटलिब लाइन ग्राफ़ से लेकर स्कैटर प्लॉट तक विज़ुअलाइज़ेशन बनाने के लिए एकदम सही है। इसे इसके साथ स्थापित करें:

conda install matplotlib

(त्वरित मजाक: ग्राफ रिश्तों में क्यों नहीं आते? क्योंकि उनके पास बहुत सारे "प्लॉट" हैं?)।

3.4. स्किकिट-लर्न स्थापित करें?

आखिरकार, हमें लीनियर रिग्रेशन, वर्गीकरण और बहुत कुछ जैसे मशीन लर्निंग एल्गोरिदम को लागू करने के लिए स्किकिट-लर्न की आवश्यकता है। स्थापित करने के लिए:

conda install scikit-learn

चरण 4: अपना सेटअप सत्यापित करें

आइए सुनिश्चित करें कि सब कुछ सुचारू रूप से काम कर रहा है। अपने टर्मिनल में पायथन खोलें:

python

एक बार पायथन शेल के अंदर, यह देखने के लिए लाइब्रेरी आयात करने का प्रयास करें कि क्या सब कुछ सही तरीके से स्थापित है:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import sklearn

यदि कोई त्रुटि नहीं है, तो आप जाने के लिए तैयार हैं! ? आगे बढ़ें और टाइप करके पायथन से बाहर निकलें:

exit()

चरण 5: अपने पर्यावरण का प्रबंधन करना

अब जब आपका वातावरण पूरी तरह तैयार हो गया है, तो इसे प्रबंधित करने के लिए यहां कुछ उपयोगी युक्तियां दी गई हैं।

5.1. स्थापित पैकेजों की सूची बनाएं

क्या आप देखना चाहते हैं कि आपके वातावरण में क्या स्थापित है? बस टाइप करें:

conda list

5.2. अपना पर्यावरण बचाएं

अपने पर्यावरण सेटअप को दूसरों के साथ साझा करने या बाद में इसे फिर से बनाने के लिए, आप इसे एक फ़ाइल में निर्यात कर सकते हैं:

conda env export > environment.yml

5.3. पर्यावरण को निष्क्रिय करें

जब आप दिन का काम पूरा कर लें, तो आप इस वातावरण से बाहर निकल सकते हैं:

conda deactivate

5.4. एक परिवेश हटाएँ

यदि आपको अब किसी वातावरण की आवश्यकता नहीं है (अलविदा, पुरानी परियोजनाएं?), तो आप इसे पूरी तरह से हटा सकते हैं:

conda remove --name ml-env --all

अगर आपको यह पसंद आया, तो मुझे Github पर फ़ॉलो करें

-

अंतिम विचार

बधाई! आपने मिनिकोंडा, कोंडा और पांडास, न्यूमपी, मैटप्लोटलिब और स्किकिट-लर्न जैसी आवश्यक पायथन लाइब्रेरी के साथ अपने स्थानीय मशीन लर्निंग वातावरण को सफलतापूर्वक स्थापित किया है। ? आपका नया वातावरण अलग-थलग, व्यवस्थित है, और कुछ गंभीर डेटा क्रंचिंग के लिए तैयार है।

याद रखें: अपने वातावरण को हमेशा साफ-सुथरा रखें, अन्यथा मेरे पुराने कोठरी की तरह समाप्त होने का जोखिम है - उलझी हुई केबलों और यादृच्छिक पायथन संस्करणों से भरा हुआ। ? हैप्पी कोडिंग!