در این مطلب، ویدئو چگونه یک API برای پروژه Python ML بسازیم | کارگاه کدنویسی قسمت دوم | CareerCon 2019| کاگل با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:52:52
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,860 –> 00:00:03,360
منتظر بمانید تا قسمت دوم
2
00:00:03,360 –> 00:00:05,640
کارگاه کدگذاری عملی ما با Dr. راشل
3
00:00:05,640 –> 00:00:07,589
چپمن، دانشمندان داده در کاپیتول که
4
00:00:07,589 –> 00:00:09,690
دکترای خود را در رشته زبانشناسی در
5
00:00:09,690 –> 00:00:10,980
دانشگاه واشنگتن گرفت
6
00:00:10,980 –> 00:00:12,750
، به نحوه تبدیل از یک
7
00:00:12,750 –> 00:00:14,759
مدل آموزشدیده در دفترچه یادداشت به یک
8
00:00:14,759 –> 00:00:17,369
API سفارشی با مستندات کامل ادامه خواهیم
9
00:00:17,369 –> 00:00:18,990
داد.
10
00:00:18,990 –> 00:00:21,420
هر کدام مانند مدل هستند و پایتون را به
11
00:00:21,420 –> 00:00:23,730
عنوان مثال استفاده کنیم ما همچنین می توانیم از پروژه خود استفاده کنیم
12
00:00:23,730 –> 00:00:26,519
واقعیت سرگرم کننده او یک جوجه تیغی
13
00:00:26,519 –> 00:00:30,320
به نام گوستاو ریچل دارد که زمین مال شماست
14
00:00:30,320 –> 00:00:32,610
با تشکر ادیسون سلام به همه
15
00:00:32,610 –> 00:00:34,550
صبح بخیر یا عصر بخیر هر کجا که هستید
16
00:00:34,550 –> 00:00:38,309
پس دیروز در مورد چه برنامه ای صحبت کردیم
17
00:00:38,309 –> 00:00:40,980
چشمها همان چیزی هستند که بقیه چیزها هستند،
18
00:00:40,980 –> 00:00:42,930
نظرات واقعاً خوبی در
19
00:00:42,930 –> 00:00:44,040
نظرات دفترچه وجود دارد، اگر میخواهید بروید
20
00:00:44,040 –> 00:00:46,410
، نگاهی بیندازید و فوراً به کسی ملحق شوید،
21
00:00:46,410 –> 00:00:47,760
مانند پیشنهادهای واقعاً خوبی
22
00:00:47,760 –> 00:00:49,200
برای آزمایش چارچوب،
23
00:00:49,200 –> 00:00:49,950
بنابراین نمیخواهید درباره آن صحبت کنید.
24
00:00:49,950 –> 00:00:52,230
اگر به یک مکان خوب برای شروع علاقه مند هستید، خیلی چیزها در مورد آن چیست،
25
00:00:52,230 –> 00:00:56,820
بنابراین دیروز
26
00:00:56,820 –> 00:00:58,739
ما API خود را طراحی کردیم، تصمیم گرفتیم چه روش هایی
27
00:00:58,739 –> 00:01:00,750
داشته باشیم، هیچ
28
00:01:00,750 –> 00:01:01,920
منبعی را طراحی نکردیم زیرا ما یک
29
00:01:01,920 –> 00:01:03,629
پایگاه داده پشتیبان نداریم، بنابراین همه دادههای ما
30
00:01:03,629 –> 00:01:05,790
یک Seminole خواهند بود و امروز ما در
31
00:01:05,790 –> 00:01:08,520
واقع کد پایتون خود را
32
00:01:08,520 –> 00:01:10,590
که توسعه مییابد و سپس مدل ما را ارائه میکند، میگیریم
33
00:01:10,590 –> 00:01:13,320
و به شما نشان میدهیم که چگونه به
34
00:01:13,320 –> 00:01:14,280
شما نشان دهم و سپس ما می خواهیم با هم این
35
00:01:14,280 –> 00:01:14,760
36
00:01:14,760 –> 00:01:16,890
کار را انجام دهیم که چگونه آن کد را در
37
00:01:16,890 –> 00:01:19,259
برنامه flask قرار دهیم و من دیروز سوالات زیادی در
38
00:01:19,259 –> 00:01:20,850
مورد آن داشتم مانند ok، بنابراین
39
00:01:20,850 –> 00:01:22,650
ما برنامه خود را طراحی کرده ایم که
40
00:01:22,650 –> 00:01:24,360
چگونه با هم هماهنگ می شود. آیا من کاری میکنم که
41
00:01:24,360 –> 00:01:26,909
مدلم واقعاً کارها را انجام دهد و در
42
00:01:26,909 –> 00:01:28,350
مورد آن صحبت میکنیم، من
43
00:01:28,350 –> 00:01:30,509
امروز در مورد آن صحبت میکنم، بنابراین دو کاری که میخواهیم
44
00:01:30,509 –> 00:01:32,159
انجام دهیم این است که ابتدا
45
00:01:32,159 –> 00:01:33,570
کد خود را آماده کنیم تا در حال حاضر
46
00:01:33,570 –> 00:01:36,000
به شما ارائه شود. بچهها مثل من هستند وقتی فقط
47
00:01:36,000 –> 00:01:37,079
در نوتبوکها کار میکنید و در مورد چیزهایی
48
00:01:37,079 –> 00:01:38,689
که کار میکنید، چیزهایی که کار میکنند میتوانند کمی
49
00:01:38,689 –> 00:01:40,950
اسپاگتی به دست آورند، مثلاً اگر تا به حال نامی
50
00:01:40,950 –> 00:01:42,329
مثل کد اسپاگتی
51
00:01:42,329 –> 00:01:44,700
شنیده باشید یا چیزی که در
52
00:01:44,700 –> 00:01:46,439
مراحل اولیه فرآیند کار به همه جا میرسد. فکر کنید همه ما
53
00:01:46,439 –> 00:01:48,750
تمایل داریم آنجا باشیم، بنابراین
54
00:01:48,750 –> 00:01:51,030
مدتی را صرف آماده کردن کد خود خواهیم کرد
55
00:01:51,030 –> 00:01:53,399
ما بهینهسازی را انجام میدهیم
56
00:01:53,399 –> 00:01:54,270
و مطمئن میشویم که
57
00:01:54,270 –> 00:01:55,560
همه چیز خوب و
58
00:01:55,560 –> 00:01:57,719
زیبا باشد، و همچنین در مورد
59
00:01:57,719 –> 00:02:01,409
نحوه ذخیره یک مدل آموزشدیده بهعنوان یک شیء
60
00:02:01,409 –> 00:02:03,750
در مکانهای دیگر و برخی موارد صحبت خواهم کرد. مشکلات
61
00:02:03,750 –> 00:02:06,270
وجود دارد و بنابراین، اینها اقدامات خوب من هستند
62
00:02:06,270 –> 00:02:07,950
و سپس ما مقداری از
63
00:02:07,950 –> 00:02:09,750
کدها را برای برنامه فلاسک خود می نویسیم و
64
00:02:09,750 –> 00:02:13,010
در واقع نمی خواهیم برای UM
65
00:02:13,010 –> 00:02:14,720
بنویسیم، مثل اینکه امروز قرار نیست
66
00:02:14,720 –> 00:02:17,769
کل برنامه را بنویسیم، زیرا
67
00:02:17,769 –> 00:02:20,540
ساختار فایل و نام فایلهایی که
68
00:02:20,540 –> 00:02:22,280
در برنامه خاص خود به آن نیاز دارید
69
00:02:22,280 –> 00:02:24,500
بستگی به چیزی دارد که برای ارائه آن استفاده میکنید،
70
00:02:24,500 –> 00:02:26,269
بنابراین آیا از Heroku یا GCP استفاده میکنید
71
00:02:26,269 –> 00:02:29,000
و همه ما با پلتفرم ابری TCP Google صحبت
72
00:02:29,000 –> 00:02:30,530
میکنیم و بیشتر صحبت خواهیم کرد.
73
00:02:30,530 –> 00:02:32,720
در مورد آن فردا، بنابراین من یک
74
00:02:32,720 –> 00:02:34,280
مثال در آنجا خواهم داشت، شما می توانید کدهایی را
75
00:02:34,280 –> 00:02:36,319
که امروز نوشتید بردارید و آن
76
00:02:36,319 –> 00:02:38,540
را در جای مناسب وصل کنید و سپس آن را ارائه کنید و
77
00:02:38,540 –> 00:02:44,120
شما یک API دارید که کار می کند، بنابراین
78
00:02:44,120 –> 00:02:45,739
اصل کلی من وقتی در حال آماده کردن چیزی هستم کار می کند.
79
00:02:45,739 –> 00:02:48,170
برای قرار دادن در یک API این ابتدا می
80
00:02:48,170 –> 00:02:49,459
خواهم بسازم مطمئن باشید که کد من کار میکند، بنابراین این
81
00:02:49,459 –> 00:02:51,769
یک
82
00:02:51,769 –> 00:02:54,170
مرحله اکتشافی است که مطمئن شوید میتوانم
83
00:02:54,170 –> 00:02:55,970
کاری را که میخواهم با کتم انجام دهم
84
00:02:55,970 –> 00:02:58,760
و سپس مدتی را صرف ساختن یک لباس
85
00:02:58,760 –> 00:03:01,190
زیبا میکنم.
86
00:03:01,190 –> 00:03:02,540
من نظری را ننوشته ام همانطور
87
00:03:02,540 –> 00:03:03,620
که شما این کار را انجام می دهید ما احتمالاً
88
00:03:03,620 –> 00:03:06,709
نظراتی را در اینجا اضافه
89
00:03:06,709 –> 00:03:08,870
90
00:03:08,870 –> 00:03:10,010
خواهیم کرد.
91
00:03:10,010 –> 00:03:11,480
یک
92
00:03:11,480 –> 00:03:14,959
اسکریپت مسطح در همه اجراها و در نهایت
93
00:03:14,959 –> 00:03:17,120
قابل حمل کردن آن و بخش اعظم چیزی که
94
00:03:17,120 –> 00:03:19,280
امروز در اینجا در مورد آن صحبت می کنم این است که چگونه
95
00:03:19,280 –> 00:03:22,220
مدل های خود را به عنوان یک شی ذخیره کنید، برخی از
96
00:03:22,220 –> 00:03:23,269
تفاوت های بین
97
00:03:23,269 –> 00:03:25,129
فرمت های مختلف فایل و سپس من به شما برخی از اسناد را اشاره می کنم.
98
00:03:25,129 –> 00:03:27,849
99
00:03:27,849 –> 00:03:32,030
کتابخانههای خاصی مانند کمی چای به نظر میرسند
100
00:03:32,030 –> 00:03:38,180
که میتوانم از کافئین استفاده کنم، بنابراین
101
00:03:38,180 –> 00:03:41,239
پروژه نمونهای که به آن اشاره کردم،
102
00:03:41,239 –> 00:03:43,699
فهرستی از نامهای بسته
103
00:03:43,699 –> 00:03:47,629
پایتون را در یک متن
104
00:03:47,629 –> 00:03:50,569
دریافت میکنم و این سؤالی است که معمولاً مردم با
105
00:03:50,569 –> 00:03:52,760
آن مواجه میشوند. مثل اینکه من همه مردم را می خواهم نامهایی که
106
00:03:52,760 –> 00:03:54,889
متنهای من قرار است نامهای خیابان در
107
00:03:54,889 –> 00:03:56,449
متن من باشند، میخواهم همه شرکتهایی که
108
00:03:56,449 –> 00:03:59,959
در متن من ذکر شدهاند و
109
00:03:59,959 –> 00:04:02,810
وظیفه کلی مکانیابی و سپس برچسبگذاری
110
00:04:02,810 –> 00:04:05,389
موجودیتها، بنابراین شما مکانهای افراد یا
111
00:04:05,389 –> 00:04:07,579
چیزهایی را در پردازش زبان طبیعی NLP
112
00:04:07,579 –> 00:04:09,019
به نام شناسایی موجودیت یا شناسایی کنید.
113
00:04:09,019 –> 00:04:12,769
NER ما امروز در حال انجام یک نوع سبک
114
00:04:12,769 –> 00:04:15,260
تر از NER هستیم، ما فقط
115
00:04:15,260 –> 00:04:17,659
نمونه هایی از یک کلمه را می یابیم که در
116
00:04:17,659 –> 00:04:19,320
لیستی از کلمات کلیدی وجود دارد و سپس
117
00:04:19,320 –> 00:04:21,570
آنها در متن هستند دلیل اینکه من
118
00:04:21,570 –> 00:04:23,190
این کار را به جای کامل انجام می دهم و شما
119
00:04:23,190 –> 00:04:27,270
آموزش یک یار کامل مدتی طول می کشد
120
00:04:27,270 –> 00:04:28,710
و شما در واقع باید داده های آموزشی
121
00:04:28,710 –> 00:04:32,880
برای متن خود با
122
00:04:32,880 –> 00:04:34,560
هویت و سپس مکان در
123
00:04:34,560 –> 00:04:36,960
شاخص کاراکتر و سپس
124
00:04:36,960 –> 00:04:39,360
برچسب موجودیت داشته باشید، بنابراین بسته های ما در یک بسته پایتون
125
00:04:39,360 –> 00:04:41,640
در به منظور آموزش در هر
126
00:04:41,640 –> 00:04:44,070
سیستم ما با استفاده از چیزی مانند Spacey،
127
00:04:44,070 –> 00:04:46,650
بنابراین کاری که ما امروز انجام می
128
00:04:46,650 –> 00:04:48,510
دهیم اولین گام آموزش سفارشی در ER
129
00:04:48,510 –> 00:04:51,390
خواهد بود، اگر واقعاً برای پروژه خود به NER کامل نیاز ندارید،
130
00:04:51,390 –> 00:04:52,500
چیزی که می دانید اکثر
131
00:04:52,500 –> 00:04:54,090
مردم به آن نیاز ندارند. تی معمولاً بسته به کاری
132
00:04:54,090 –> 00:04:56,040
که انجام میدهید و سایر
133
00:04:56,040 –> 00:04:58,410
موارد NLP شما ممکن است تمام چیزی باشد
134
00:04:58,410 –> 00:05:03,780
که به آن نیاز دارید، بنابراین یک چیز مفید خوب بنابراین
135
00:05:03,780 –> 00:05:06,630
گردش کار کلی من برای کاری که انجام میدهم این است که
136
00:05:06,630 –> 00:05:07,800
ابتدا لیستی از بستههای پایتون را دریافت میکنم
137
00:05:07,800 –> 00:05:10,050
و ما این
138
00:05:10,050 –> 00:05:10,980
فرآیند را تکرار میکنیم و من شما
139
00:05:10,980 –> 00:05:14,550
را با بستههایمان از طریق آن راهنمایی میکنم و سپس
140
00:05:14,550 –> 00:05:19,470
از یک لیست برای ایجاد یک
141
00:05:19,470 –> 00:05:21,210
شیء پردازشگر کلمه کلیدی استفاده
142
00:05:21,210 –> 00:05:23,730
میکنم که اگر میخواهید کلمات کلیدی را استخراج کنید، این از بسته txt فلش است.
143
00:05:23,730 –> 00:05:25,410
از متن من به شدت
144
00:05:25,410 –> 00:05:27,390
توصیه می کنم از متن فلش به جای استفاده از عبارات معمولی استفاده کنید،
145
00:05:27,390 –> 00:05:29,460
به خصوص
146
00:05:29,460 –> 00:05:30,960
اگر لیستی از اصطلاحات دارید که اکثر اسناد
147
00:05:30,960 –> 00:05:32,610
در لیست خود قرار دارند، لیست اصطلاحات خود را از دست می دهند
148
00:05:32,610 –> 00:05:34,680
که دقیقاً در کجای آن دو عبارت هستند.
149
00:05:34,680 –> 00:05:37,080
150
00:05:37,080 –> 00:05:40,080
بسیار سریعتر،
151
00:05:40,080 –> 00:05:42,360
بنابراین در بهترین حالت ممکن است بیست تا سی برابر سریعتر
152
00:05:42,360 –> 00:05:44,610
باشد و همچنین
153
00:05:44,610 –> 00:05:46,020
مجبور نیستید عبارات منظم بنویسید
154
00:05:46,020 –> 00:05:47,310
و لازم نیست مطمئن شوید که
155
00:05:47,310 –> 00:05:49,320
عبارات منظمی که نوشتید به معنای
156
00:05:49,320 –> 00:05:51,180
همان چیزی است که فکر می کنید به معنای bec است. اگر
157
00:05:51,180 –> 00:05:52,620
قرار بود عبارات go و Pirtle را زیاد بگنجانید،
158
00:05:52,620 –> 00:05:54,570
میدانید که درست خواندن
159
00:05:54,570 –> 00:05:56,040
آن سخت است، درک اینکه
160
00:05:56,040 –> 00:05:58,710
عبارات منظم چه میگویند دشوار است و سپس
161
00:05:58,710 –> 00:06:01,950
کلمات بسیار رایج را نیز حذف میکنیم،
162
00:06:01,950 –> 00:06:04,920
بنابراین دادههایی که من روی آن کار میکنم این است. cago
163
00:06:04,920 –> 00:06:07,410
شکل میگیرد، بنابراین میخواهم کلمات انگلیسی آینده را منتقل
164
00:06:07,410 –> 00:06:09,270
کنم که افراد ممکن است فقط در
165
00:06:09,270 –> 00:06:11,070
انجمن استفاده کنند، به عنوان مثال، یک
166
00:06:11,070 –> 00:06:13,530
بسته پایتون به نام
167
00:06:13,530 –> 00:06:15,480
168
00:06:15,480 –> 00:06:17,040
169
00:06:17,040 –> 00:06:21,480
وجود دارد. من همچنین کلماتی را که
170
00:06:21,480 –> 00:06:23,760
در Kaggle مانند cackle زیاد استفاده میشود حذف
171
00:06:23,760 –> 00:06:25,410
میکنم، یک بسته پایتون Kaggle وجود دارد، اما
172
00:06:25,410 –> 00:06:26,340
فکر نمیکنم هر بار که مردم مانند
173
00:06:26,340 –> 00:06:27,660
haggle در انجمنهای keidel منظورشان این
174
00:06:27,660 –> 00:06:29,790
است که در بسته kygo um به نظر میرسند، بنابراین
175
00:06:29,790 –> 00:06:30,969
این فقط نهایی ما خواهد شد.
176
00:06:30,969 –> 00:06:33,249
کمی مرتبط تر با چیزی
177
00:06:33,249 –> 00:06:35,799
که به دنبال آن هستیم قرار دهید و سپس من یک
178
00:06:35,799 –> 00:06:37,899
آزمایش کوچک انجام می دهم تا شما را از طریق
179
00:06:37,899 –> 00:06:39,159
کد خود راهنمایی کنم اولین چیزی که ممکن است
180
00:06:39,159 –> 00:06:41,079
متوجه شوید این است که همه چیز مسطح است
181
00:06:41,079 –> 00:06:42,879
که من به تازگی چیزهایی را از آن وارد کرده ام. ایجاد
182
00:06:42,879 –> 00:06:44,259
اشیاء من نمی
183
00:06:44,259 –> 00:06:45,249
من هیچ کارکردی در مورد چند
184
00:06:45,249 –> 00:06:47,469
کلاس ندارم که فقط یک
185
00:06:47,469 –> 00:06:50,559
اسکریپت را نوشته ام و با وارد کردن
186
00:06:50,559 –> 00:06:54,039
چیزهایی که نیاز داریم در
187
00:06:54,039 –> 00:06:56,889
پست های انجمن می خوانم شروع می کنیم بنابراین از مجموعه داده های پزشکی استفاده می کنم
188
00:06:56,889 –> 00:06:58,869
در اینجا مجموعه دادههای عمومی ما
189
00:06:58,869 –> 00:07:00,969
از دادههای گاو است، بنابراین شما آزاد هستید
190
00:07:00,969 –> 00:07:03,129
که این را دنبال کنید و
191
00:07:03,129 –> 00:07:05,049
من فقط سه تا از پستهای فروم خود را
192
00:07:05,049 –> 00:07:08,439
فقط برای بازی با آنها دریافت میکنم و سپس
193
00:07:08,439 –> 00:07:10,929
اطلاعاتی در مورد برتر دریافت میکنم.
194
00:07:10,929 –> 00:07:13,419
5000 بسته پای پای از 30
195
00:07:13,419 –> 00:07:17,079
روز گذشته از این URL که به طور مفید
196
00:07:17,079 –> 00:07:19,569
توسط hugo VK و github نگهداری میشود، پس
197
00:07:19,569 –> 00:07:21,939
بیایید ببینیم که برویم و برای انجام این کار، من
198
00:07:21,939 –> 00:07:25,389
به اتصال اینترنت نیاز دارم، بنابراین اگر این کار
199
00:07:25,389 –> 00:07:26,949
را ندارید، اگر این هسته را کار
200
00:07:26,949 –> 00:07:28,029
میکنید کمی کار میکند و میخواهید
201
00:07:28,029 –> 00:07:29,079
مطمئن شوید که اتصال اینترنت را روشن کردهاید
202
00:07:29,079 –> 00:07:32,589
و سپس
203
00:07:32,589 –> 00:07:35,139
کمی وقت میگذارم تا آن را تجزیه کنم، زیرا چیزی
204
00:07:35,139 –> 00:07:36,429
که از اتصال اینترنت دریافت
205
00:07:36,429 –> 00:07:39,369
کردم فقط یک مورد JSON بود و من آن را انجام نمیدهم. به
206
00:07:39,369 –> 00:07:41,199
تمام آن اطلاعات نیاز دارم تمام آنچه که من نیاز دارم
207
00:07:41,199 –> 00:07:44,349
ابزار بسته ها هستند بنابراین من در
208
00:07:44,349 –> 00:07:47,860
حال بررسی هر یک از آیتمهای دادهای هستم و
209
00:07:47,860 –> 00:07:49,479
فقط پروژه را بیرون میآورم
210
00:07:49,479 –> 00:07:51,489
که نام بسته
211
00:07:51,489 –> 00:07:54,999
تحت آن در علامت J خاص ذخیره میشود و سپس
212
00:07:54,999 –> 00:07:56,679
یک پردازشگر کلمه کلیدی ایجاد میکنم، بنابراین این
213
00:07:56,679 –> 00:08:00,369
یک شی از متن فلش است که به ما اجازه دهید
214
00:08:00,369 –> 00:08:03,699
کلمات کلیدی را پیدا کنیم، در واقع
215
00:08:03,699 –> 00:08:05,110
یک الگوریتم جالب است، اگر به الگوریتمهایی علاقه دارید که
216
00:08:05,110 –> 00:08:06,309
بروید
217
00:08:06,309 –> 00:08:07,869
و نگاهی به آن بیندازید، لازم نیست
218
00:08:07,869 –> 00:08:09,129
بدانید چگونه کار میکند، فقط میدانید که این
219
00:08:09,129 –> 00:08:11,499
کار را انجام میدهد و ما اضافه میکنیم همه
220
00:08:11,499 –> 00:08:13,149
کلمات کلیدی خود را حذف می کنیم و سپس برخی از
221
00:08:13,149 –> 00:08:14,469
آن کلمات نرمی را که ذکر کردم حذف می کنیم، بنابراین
222
00:08:14,469 –> 00:08:16,709
کلمات توقف کلمات بسیار رایجی هستند مانند و
223
00:08:16,709 –> 00:08:18,939
و من این نرم افزار را
224
00:08:18,939 –> 00:08:21,099
از یک LT K که یک
225
00:08:21,099 –> 00:08:23,769
کتابخانه پردازش زبان طبیعی است دریافت کردم. من
226
00:08:23,769 –> 00:08:26,559
یک نرمافزار سفارشی را حذف میکنم، بنابراین
227
00:08:26,559 –> 00:08:28,239
احتمالاً HTTP معمولاً در
228
00:08:28,239 –> 00:08:30,279
پیوندهایی که مردم به اشتراک میگذارند نشان داده میشود و
229
00:08:30,279 –> 00:08:32,558
لزوماً وقتی در مورد
230
00:08:32,558 –> 00:08:36,000
کتابخانه صحبت میکنید، ممکن است ترفندهای خاصی را بدانید.
231
00:08:36,000 –> 00:08:39,969
232
00:08:39,969 –> 00:08:42,279
اذیتت نکردم
233
00:08:42,279 –> 00:08:43,419
در گذشته، اما از امسال شروع شده است،
234
00:08:43,419 –> 00:08:44,990
235
00:08:44,990 –> 00:08:47,930
بنابراین ما پردازنده خود را داریم و این
236
00:08:47,930 –> 00:08:51,170
در جای خود اصلاح شده است، بنابراین این توابع
237
00:08:51,170 –> 00:08:54,160
فقط آنها را از شی موجود من حذف می کنند،
238
00:08:54,160 –> 00:08:56,540
من نیازی به گذاشتن نام جدید برای آن ندارم
239
00:08:56,540 –> 00:08:59,540
و در نهایت سه مورد خود را بررسی می
240
00:08:59,540 –> 00:09:01,370
کنیم. نمونه پستها و ما آن را اعمال میکنیم،
241
00:09:01,370 –> 00:09:03,650
بنابراین یک بسته پایتون به نام
242
00:09:03,650 –> 00:09:05,780
مجموعه داده وجود دارد که ظاهراً مردم در
243
00:09:05,780 –> 00:09:07,490
مورد عمومی صحبت میکنند تا بگویند
244
00:09:07,490 –> 00:09:10,040
متاسفم عمومی یکی دیگر از رویدادهای HTML بسته Python است که
245
00:09:10,040 –> 00:09:14,000
رایج است و ما در واقع ممکن است
246
00:09:14,000 –> 00:09:16,250
فکر کنیم که بر اساس آن مطمئن میشویم که
247
00:09:16,250 –> 00:09:19,520
شاید کمی باشد. در
248
00:09:19,520 –> 00:09:22,040
تمیز کردن داده ها و حذف
249
00:09:22,040 –> 00:09:25,040
کلمات نرم کمی تهاجمی تر است زیرا فکر نمی کنم از مجموعه داده ها در
250
00:09:25,040 –> 00:09:26,750
همه این موارد برای
251
00:09:26,750 –> 00:09:29,780
ارجاع به بسته مجموعه داده استفاده شود، بنابراین
252
00:09:29,780 –> 00:09:31,970
ممکن است آنها را به لیست سفارشی
253
00:09:31,970 –> 00:09:34,100
کلمات موجودی که می خواهیم اضافه کنیم. حذف کنید اما
254
00:09:34,100 –> 00:09:36,200
کار می کند، بنابراین هنوز
255
00:09:36,200 –> 00:09:37,640
زمانی برای تنظیم دقیق وجود دارد، ممکن است
256
00:09:37,640 –> 00:09:39,950
بخواهید کمی بیشتر پاکسازی داده ها را انجام دهید،
257
00:09:39,950 –> 00:09:41,360
کمی بیشتر پیش پردازش متن را انجام دهید، اما
258
00:09:41,360 –> 00:09:44,000
آن کاری را که من می خواستم انجام می دهد و می
259
00:09:44,000 –> 00:09:45,860
توانید ببینید من این را نظر داده
260
00:09:45,860 –> 00:09:47,060
ام تا شاید شما دوست داشته باشید که این فقط
261
00:09:47,060 –> 00:09:48,770
یک سری کد است راشل من نمی دانم
262
00:09:48,770 –> 00:09:50,120
چه کار می کند من قبلاً هیچ یک از این
263
00:09:50,120 –> 00:09:53,630
توابع را ندیده ام بنابراین قدم بعدی
264
00:09:53,630 –> 00:09:56,180
زیبا کردن آن است. این مورد
265
00:09:56,180 –> 00:09:58,790
را با
266
00:09:58,790 –> 00:10:00,830
دو کار بزرگی که انجام میدهم انجام
267
00:10:00,830 –> 00:10:04,510
میدهم و آنها را به توابع تقسیم میکنم، آن را زیبا میکنم، بنابراین
268
00:10:04,510 –> 00:10:06,350
امیدوارم کسانی از شما که با آنها
269
00:10:06,350 –> 00:10:08,120
آشنا هستند،
270
00:10:08,120 –> 00:10:11,390
قبل از اینکه من یک تابعی داشته باشم که یک کلید ایجاد میکند، توابع را ایجاد کرده باشید.
271
00:10:11,390 –> 00:10:13,700
پردازشگر کلمه بنابراین
272
00:10:13,700 –> 00:10:16,520
هر کاری را که من انجام دادم انجام می دهد، اما به جای اینکه
273
00:10:16,520 –> 00:10:18,320
اینها را مشخص کنم کلمات خاصی هستند
274
00:10:18,320 –> 00:10:20,360
که می خواهم در خط کدی
275
00:10:20,360 –> 00:10:22,160
که آن را اجرا می کند حذف کنم، من تابعی
276
00:10:22,160 –> 00:10:25,550
می نویسم که هر بار که
277
00:10:25,550 –> 00:10:26,720
تابع I can I را اجرا می کنم می توانم انتخاب کنم. میتوانم
278
00:10:26,720 –> 00:10:31,400
ورودی متفاوتی بدهم، بنابراین من فهرستی از اصطلاحات را
279
00:10:31,400 –> 00:10:35,420
دارم، بنابراین در مثال من این لیست بستههای پایتون بود.
280
00:10:35,420 –> 00:10:38,120
281
00:10:38,120 –> 00:10:39,470
282
00:10:39,470 –> 00:10:41,360
283
00:10:41,360 –> 00:10:42,860
در واقع
284
00:10:42,860 –> 00:10:44,630
کلمات توقف انگلیسی یا شاید را بگویید e حذف کلمات stop
285
00:10:44,630 –> 00:10:46,940
و سپس true و سپس اگر کلمات توقف را حذف کردید،
286
00:10:46,940 –> 00:10:48,320
مشخص کنید که چه زبانی را می
287
00:10:48,320 –> 00:10:49,370
خواهید حذف کنید تا این یک
288
00:10:49,370 –> 00:10:51,980
گزینه باشد و سپس من یک
289
00:10:51,980 –> 00:10:54,080
لیست سهام پورت سفارشی دارم بنابراین هر چیزی در اینجا
290
00:10:54,080 –> 00:10:57,000
حذف می شود و به طور پیش فرض
291
00:10:57,000 –> 00:10:59,459
این تابع خالی است. به من اجازه می دهد خیلی سریع یک پردازشگر کلمه کلیدی جدید را آموزش دهم
292
00:10:59,459 –> 00:11:01,379
293
00:11:01,379 –> 00:11:03,839
بدون اینکه لازم باشد هر زمان را مشخص
294
00:11:03,839 –> 00:11:05,279
کنم okay زمانی که کلمات توقف انگلیسی را حذف
295
00:11:05,279 –> 00:11:07,680
می کنم خوب من می خواهم لیست کلمات توقف سفارشی خود را حذف
296
00:11:07,680 –> 00:11:10,889
کنم و همچنین یک عملکرد دارم و
297
00:11:10,889 –> 00:11:13,019
این یک عملکرد بسیار کوچک در این است.
298
00:11:13,019 –> 00:11:16,709
یک مورد خاص، اما اگر
299
00:11:16,709 –> 00:11:18,569
پروژه بزرگتری دارید که روی آن کار می کنید و
300
00:11:18,569 –> 00:11:21,839
ممکن است در واقع بسیار بزرگتر باشد، بنابراین
301
00:11:21,839 –> 00:11:23,430
این تابعی است که پردازشگر کلمه کلیدی ما را اعمال می
302
00:11:23,430 –> 00:11:25,529
کند، بنابراین من فقط یک پردازنده
303
00:11:25,529 –> 00:11:27,420
و مقداری متن به آن می دهم و می خواهم یا نه.
304
00:11:27,420 –> 00:11:29,310
اطلاعات دهانه، بنابراین گستره شاخص
305
00:11:29,310 –> 00:11:31,649
جایی که کلمات در آن قرار می گیرند و آن را اعمال می کند،
306
00:11:31,649 –> 00:11:34,079
بنابراین این یک عملکرد بسیار کوچک است، اما
307
00:11:34,079 –> 00:11:35,699
اگر من کاری مانند
308
00:11:35,699 –> 00:11:36,959
پردازش تصویر انجام می دادم و می خواستم مطمئن
309
00:11:36,959 –> 00:11:39,449
شوم که برش داده ام، می خواستم بچرخم. قبل از اینکه بسته خود را اعمال کنم،
310
00:11:39,449 –> 00:11:41,069
تصویر را انجام دهید یا قبل از
311
00:11:41,069 –> 00:11:43,319
اینکه بسته خود را اعمال کنم، کاری را قبل از روی تصاویر انجام دهم،
312
00:11:43,319 –> 00:11:45,120
ممکن است بخواهم این را بگذارم و در آن قرار
313
00:11:45,120 –> 00:11:46,290
دهم، ممکن است بخواهم تابع دیگری اضافه کنم،
314
00:11:46,290 –> 00:11:47,730
سپس آن تابع را از
315
00:11:47,730 –> 00:11:49,620
این تابع بسته
316
00:11:49,620 –> 00:11:53,939
به خط لوله خاص شما و سپس زمانی که
317
00:11:53,939 –> 00:11:57,300
زمان نوشتن برنامه ما فقط می توانم از
318
00:11:57,300 –> 00:12:00,839
این تابع خاص برای اعمال مدل خود استفاده کنم
319
00:12:00,839 –> 00:12:02,790
و خواهیم دید که در عرض یک
320
00:12:02,790 –> 00:12:07,290
ثانیه، بنابراین اکنون دارم عملکردهای خود را آزمایش می کنم
321
00:12:07,290 –> 00:12:09,809
و بسته بندی خط کمی عجیب است، اجازه
322
00:12:09,809 –> 00:12:11,300
دهید کمی بزرگنمایی کنم کمی پس بهتر است
323
00:12:11,300 –> 00:12:14,100
عملکرد خود را آزمایش کنم، بنابراین
324
00:12:14,100 –> 00:12:16,019
از لیست
325
00:12:16,019 –> 00:12:18,329
بستههایی که به نرمافزار سفارشی اضافه
326
00:12:18,329 –> 00:12:21,360
میکنم که میخواهم حذف کنم،
327
00:12:21,360 –> 00:12:23,250
یک واژهپرداز کلیدی ایجاد میکنم و یک شیء پردازشگر کلمه کلیدی جدید
328
00:12:23,250 –> 00:12:26,129
از آن ایجاد میکنم. سپس من آن را اعمال میکنم، بنابراین در
329
00:12:26,129 –> 00:12:28,079
پستهای نمونهام حلقه میزنم،
330
00:12:28,079 –> 00:12:30,240
از پردازشگر کلمه کلیدی خود استفاده میکنم و
331
00:12:30,240 –> 00:12:31,860
در واقع میگویم اطلاعات span را نمیخواهم،
332
00:12:31,860 –> 00:12:33,689
بنابراین میتوانید اینجا ببینید که
333
00:12:33,689 –> 00:12:35,670
ما شاخصهای کاراکتر اول را دریافت کردیم.
334
00:12:35,670 –> 00:12:37,680
و آخرین کاراکتر و در اینجا ما
335
00:12:37,680 –> 00:12:39,000
این کار را نمی کنیم زیرا من مشخص می کنم اما من این کار را نکردم
336
00:12:39,000 –> 00:12:39,899
زیرا فقط میخواهم مطمئن شوم
337
00:12:39,899 –> 00:12:44,790
که کار میکند و به اندازه کافی مطمئن هستم که این کار را انجام میدهد، بنابراین
338
00:12:44,790 –> 00:12:47,399
کد مسطح خود را گرفتم،
339
00:12:47,399 –> 00:12:49,740
درست مثل گدازه بود و ساختار کمی بیشتر به آن دادم،
340
00:12:49,740 –> 00:12:51,899
بنابراین اگر کسی
341
00:12:51,899 –> 00:12:53,309
میآمد در و
342
00:12:53,309 –> 00:12:54,839
برای اولین بار به این کد نگاه می کنیم، آنها مانند اوه شما
343
00:12:54,839 –> 00:12:57,620
یک پردازنده ایجاد می کنید و سپس آن را اعمال می کنید
344
00:12:57,620 –> 00:13:00,689
تا حالا که کد من
345
00:13:00,689 –> 00:13:03,360
حدس زده شده است و ما برای
346
00:13:03,360 –> 00:13:06,209
هر یک از توابع چند سند اضافه کرده ایم که چگونه می سازیم. این
347
00:13:06,209 –> 00:13:08,279
قابل حمل است که چگونه همان کد را برداریم
348
00:13:08,279 –> 00:13:10,440
و در جای دیگری اجرا کنیم
349
00:13:10,440 –> 00:13:12,209
و چگونه این کار را انجام دهیم بدون اینکه مجبور
350
00:13:12,209 –> 00:13:14,880
باشیم هر بار واژهپرداز کلیدی خود را دوباره آموزش دهیم،
351
00:13:14,880 –> 00:13:19,200
بنابراین یک چیزی که من فقط میخواهم به
352
00:13:19,200 –> 00:13:21,810
کسی بگویم که دیروز از کسی پرسیده شد، آیا میتوانیم
353
00:13:21,810 –> 00:13:25,589
از یک API برای آموزش استفاده کنیم. مدلهای ما را میتوانید
354
00:13:25,589 –> 00:13:28,019
بهدلیل روشی که ما این کار را انجام میدهیم،
355
00:13:28,019 –> 00:13:30,959
جایی که من از شما بچهها میخواهم
356
00:13:30,959 –> 00:13:34,970
API خود را از یک سرویس ابری میزبانی کنید،
357
00:13:34,970 –> 00:13:38,970
اگر این کار را انجام میدهید و از
358
00:13:38,970 –> 00:13:41,339
افراد میخواهید مدلهایی را در آن سرویس ابری آموزش
359
00:13:41,339 –> 00:13:43,529
دهند، این امکان وجود دارد
360
00:13:43,529 –> 00:13:44,550
که قرار است برای آن
361
00:13:44,550 –> 00:13:45,990
c هزینه دریافت کنید کم کنید یا حداقل
362
00:13:45,990 –> 00:13:47,430
محاسبات رایگان
363
00:13:47,430 –> 00:13:50,130
شما تمام می شود و من API شما را می بندم، بنابراین یکی از راه های
364
00:13:50,130 –> 00:13:51,180
جلوگیری از آن،
365
00:13:51,180 –> 00:13:52,920
احراز هویت است، بنابراین اگر کسی می خواهد
366
00:13:52,920 –> 00:13:54,389
از API شما استفاده کند، باید
367
00:13:54,389 –> 00:13:55,829
اعتبار داشته باشد. و نام کاربری
368
00:13:55,829 –> 00:13:57,750
و ورود به سیستم را داشته باشید و من در مورد
369
00:13:57,750 –> 00:14:00,209
نحوه انجام این کار صحبت نمی کنم و فقط به این دلیل که شما
370
00:14:00,209 –> 00:14:01,769
از پتانسیلی که ممکن است
371
00:14:01,769 –> 00:14:03,389
بدانید و سوء استفاده از محاسبات کاری که
372
00:14:03,389 –> 00:14:05,220
در واقع تمایل دارید انجام دهید وجود دارد، شما را تشویق می کنم که آن را وارد
373
00:14:05,220 –> 00:14:07,740
نکنید. آموزش مدل
374
00:14:07,740 –> 00:14:09,959
پس مدلی را انتخاب کنید که قبلاً آموزش داده اید
375
00:14:09,959 –> 00:14:12,540
و سپس آن را با استفاده از API خود اعمال کنید،
376
00:14:12,540 –> 00:14:17,190
377
00:14:17,190 –> 00:14:21,089
بنابراین اگر کتابخانه ای دارید که
378
00:14:21,089 –> 00:14:22,949
روش خاصی برای ذخیره کردن مدل های آموزش دیده
379
00:14:22,949 –> 00:14:24,930
دارد، توصیه می کنم از آن استفاده کنید.
380
00:14:24,930 –> 00:14:27,720
آن روش خاص، یعنی tensorflow و caris،
381
00:14:27,720 –> 00:14:29,699
هر دو از وزنهای ایمن نقطهای
382
00:14:29,699 –> 00:14:32,010
و وزنهای بار نقطهای مدل برای ذخیره و
383
00:14:32,010 –> 00:14:34,260
بارگذاری مدلها استفاده میکنند و اینها مدلها را
384
00:14:34,260 –> 00:14:37,680
بهعنوان فایلهای hdf5 که فایلهای سلسله مراتبی هستند
385
00:14:37,680 –> 00:14:41,850
و نوع آسان تنها ساختار دادهای هستند، ذخیره
386
00:14:41,850 –> 00:14:43,320
میکنند. شما به راحتی می توانید این کار را انجام دهید
387
00:14:43,320 –> 00:14:46,019
زیرا در پایتون چیزهایی مبتنی بر افزایش و ناتوانی
388
00:14:46,019 –> 00:14:49,410
برای مشعل pi است که می توانید از
389
00:14:49,410 –> 00:14:51,089
ذخیره مشعل برای دانلود استفاده کنید این
390
00:14:51,089 –> 00:14:52,560
آن را به عنوان ترشی ذخیره می کند بنابراین مواردی که
391
00:14:52,560 –> 00:14:54,240
در مورد ترشی ها در اینجا صحبت کردم
392
00:14:54,240 –> 00:14:57,750
مرتبط هستند و در واقع پین را تقویت می کنند.
393
00:14:57,750 –> 00:15:01,050
انجام مدل Model Model دانلود مدل مانند
394
00:15:01,050 –> 00:15:02,850
مدل GBM به رشته و مدل سازی از
395
00:15:02,850 –> 00:15:05,640
رشته من، بنابراین شما
396
00:15:05,640 –> 00:15:07,290
گزینه های مختلفی دارید و اگر از کتابخانه
397
00:15:07,290 –> 00:15:09,209
استفاده می کنید، توصیه می کنم از
398
00:15:09,209 –> 00:15:10,769
زیرساخت کتابخانه ها برای دانلود و
399
00:15:10,769 –> 00:15:12,630
آپلود مدل ها استفاده کنید زیرا احتمالاً چنین
400
00:15:12,630 –> 00:15:15,510
خواهد بود. برای شما
401
00:15:15,510 –> 00:15:16,740
آسانتر است، اما گاهی اوقات شما از کتابخانهای استفاده میکنید که تکنیک
402
00:15:16,740 –> 00:15:18,180
خاصی برای کتابخانه
403
00:15:18,180 –> 00:15:20,819
ندارد، مانند متن فلش، که همان چیزی است که
404
00:15:20,819 –> 00:15:21,480
ما از آن استفاده میکنیم،
405
00:15:21,480 –> 00:15:23,640
بنابراین به طور کلی
406
00:15:23,640 –> 00:15:26,040
سادهترین راه برای ذخیره یک شی پایتون از
407
00:15:26,040 –> 00:15:27,510
یک نمونه و سپس بارگذاری آن در نمونه
408
00:15:27,510 –> 00:15:29,250
دیگر است. با استفاده
409
00:15:29,250 –> 00:15:32,820
از ترشی، سریالسازی باینری یک
410
00:15:32,820 –> 00:15:35,310
قالب سریالسازی باینری است.
411
00:15:35,310 –> 00:15:37,230
412
00:15:37,230 –> 00:15:39,209
413
00:15:39,209 –> 00:15:40,140
رشته را
414
00:15:40,140 –> 00:15:41,519
در اطراف خود قرار دهید و هنگامی که آن را در
415
00:15:41,519 –> 00:15:44,209
جلسه پایتون خود بارگذاری کنید، یک شی خواهد بود
416
00:15:44,209 –> 00:15:46,890
، بسیار قابل حمل است، بسیار مفید
417
00:15:46,890 –> 00:15:49,769
است، بسیار قدرتمند است، چیزهایی وجود
418
00:15:49,769 –> 00:15:52,110
دارد که باید در مورد ترشی ها بدانید، آنقدر بزرگ
419
00:15:52,110 –> 00:15:55,769
که به خصوص برای چیزهایی مانند
420
00:15:55,769 –> 00:15:57,320
تفاوت بین tensorflow
421
00:15:57,320 –> 00:16:00,720
دو برای مثال، اگر تفاوتهای عمدهای
422
00:16:00,720 –> 00:16:02,130
بین
423
00:16:02,130 –> 00:16:03,839
محیط پایتونی که برای ایجاد ترشی خود استفاده میکنید و محیطی
424
00:16:03,839 –> 00:16:05,010
که میخواهید آن
425
00:16:05,010 –> 00:16:06,690
را بخوانید وجود دارد، بنابراین
426
00:16:06,690 –> 00:16:08,190
نسخه یا نسخه فرعی دیگری از پایتون دارید
427
00:16:08,190 –> 00:16:09,390
یا نسخه یا نسخه متفاوتی
428
00:16:09,390 –> 00:16:10,260
از کتابخانه خود دارید.
429
00:16:10,260 –> 00:16:14,279
ممکن است تیم هسته پایتون
430
00:16:14,279 –> 00:16:15,420
کار زیادی انجام
431
00:16:15,420 –> 00:16:17,430
دهد تا ترشی ها را قابل حمل تر کند، اما
432
00:16:17,430 –> 00:16:18,690
هیچ تضمینی وجود ندارد که آنها همیشه
433
00:16:18,690 –> 00:16:21,930
کار کنند، بنابراین فقط آگاه باشید و یک
434
00:16:21,930 –> 00:16:23,430
راه برای دور زدن این موضوع این است که
435
00:16:23,430 –> 00:16:26,100
نسخه هر بسته و پایتون
436
00:16:26,100 –> 00:16:29,459
که می خواهید در برنامه خود در
437
00:16:29,459 –> 00:16:30,720
فایل مورد نیاز خود استفاده کنید و فردا در مورد
438
00:16:30,720 –> 00:16:32,970
آن صحبت خواهیم کرد نکته دیگری که باید
439
00:16:32,970 –> 00:16:34,199
در مورد ترشی ها بدانید این است که آنها فوق العاده
440
00:16:34,199 –> 00:16:35,699
ایمن نیستند و اگر کسی فقط برای شما یک ترشی می فرستد،
441
00:16:35,699 –> 00:16:37,320
منظورم این است که اگر کسی برای شما از طریق نامه
442
00:16:37,320 –> 00:16:39,170
ترشی می فرستد، احتمالاً آن را نخورید،
443
00:16:39,170 –> 00:16:42,029
اما اگر کسی برای شما یک ترشی
444
00:16:42,029 –> 00:16:43,649
در اینترنت ارسال کرد، آن را باز نکنید، به آن اعتماد
445
00:16:43,649 –> 00:16:46,560
نکنید، فرمت داده بسیار آسان است.
446
00:16:46,560 –> 00:16:48,930
هک کنید و اگر خودتان آن را کمانچه
447
00:16:48,930 –> 00:16:50,610
بزنید، احتمالاً خوب است، اما فقط توجه داشته باشید
448
00:16:50,610 –> 00:16:52,980
که لزوماً
449
00:16:52,980 –> 00:16:55,410
ایمنترین قسمت بومی نیست، بنابراین
450
00:16:55,410 –> 00:16:57,420
نمیخواهم شما را از استفاده از ترشی بترسانم، اما
451
00:16:57,420 –> 00:16:59,610
وقتی برای اولین بار شروع به استفاده از سریالسازی کردم، این چیزها را نمیدانستم.
452
00:16:59,610 –> 00:17:02,459
به عنوان راهی برای
453
00:17:02,459 –> 00:17:05,160
جابهجایی مدلها در اطراف، فکر میکنم خوب است
454
00:17:05,160 –> 00:17:05,809
بدانید که
455
00:17:05,809 –> 00:17:09,480
یک خریدار مربی مراقب باشید،
456
00:17:09,480 –> 00:17:10,740
به جز اینکه چیزی نمیخرید، این
457
00:17:10,740 –> 00:17:14,220
منبع باز است، بنابراین چگونه میتوانیم چیزهایی را
458
00:17:14,220 –> 00:17:15,959
به عنوان ترشی خوب بگوییم ابتدا
459
00:17:15,959 –> 00:17:18,839
باید ترشی وارد کنیم و سپس ترشی
460
00:17:18,839 –> 00:17:21,869
نقطه dump نحوی است، بنابراین
461
00:17:21,869 –> 00:17:24,990
dump همان است که XG Boost از آن استفاده می کند، به
462
00:17:24,990 –> 00:17:26,130
نوعی می دانید که همه
463
00:17:26,130 –> 00:17:29,820
چیز را در سیستم فایل خود بچسبانید و
464
00:17:29,820 –> 00:17:32,910
می خواهید مطمئن شوید که وقتی
465
00:17:32,910 –> 00:17:35,030
فایلی را که می خواهید باز کنید ذخیره
466
00:17:35,030 –> 00:17:36,500
برای نوشتن آن شما می خواهید مطمئن شوید که
467
00:17:36,500 –> 00:17:39,110
شما می توانید بنویسید تا W و B به شما امکان می دهد برای
468
00:17:39,110 –> 00:17:41,360
شما یک باینری بنویسید، بنابراین چون ترشی ها یک
469
00:17:41,360 –> 00:17:43,760
فرمت سریال سازی باینری هستند، باید
470
00:17:43,760 –> 00:17:45,919
یک فایل باینری برای آنها بنویسید،
471
00:17:45,919 –> 00:17:47,750
اگر W یا B را وارد نکنید،
472
00:17:47,750 –> 00:17:50,059
پس از اینکه ما کار کردیم، کار نخواهد کرد. اگر
473
00:17:50,059 –> 00:17:51,890
سیستم فایل خود را بررسی کنیم، فقط تمام
474
00:17:51,890 –> 00:17:54,350
فایلهای موجود در فهرست فعلی خود را فهرست کنید، میتوانید
475
00:17:54,350 –> 00:17:56,480
ببینید که فایل نوتبوک ما یک
476
00:17:56,480 –> 00:17:58,159
فایل خروجی
477
00:17:58,159 –> 00:18:00,500
داریم که چیزهایی را که در خروجی خود ایجاد کردهایم و
478
00:18:00,500 –> 00:18:02,870
سپس یک ترشی و این را توضیح میدهد.
479
00:18:02,870 –> 00:18:04,760
ترشی است که ما به تازگی ذخیره کرده ایم
480
00:18:04,760 –> 00:18:07,970
شیء پردازشگر کلمه ماست و اگر بخواهیم
481
00:18:07,970 –> 00:18:12,049
می توانیم آن را به عنوان یک شی جدید آپلود کنیم تا
482
00:18:12,049 –> 00:18:15,200
بتوانم از ترشی نقطه بار برای باز کردن این
483
00:18:15,200 –> 00:18:17,330
فایل استفاده کنم و دوباره می خواهم بخوانم و می خواهم
484
00:18:17,330 –> 00:18:20,690
یک باینری بخوانم. فایل چون ترشی
485
00:18:20,690 –> 00:18:23,720
ها دودویی هستند بنابراین من همه اینها را گفتم و
486
00:18:23,720 –> 00:18:26,539
از آنجا می توانیم آن را امتحان کنیم تا
487
00:18:26,539 –> 00:18:28,039
بتوانیم از تابع key word processor
488
00:18:28,039 –> 00:18:32,320
app که نوشتیم و
489
00:18:32,320 –> 00:18:36,380
مدل ترشی ترشی خود را که دوباره خواندیم استفاده کنیم و
490
00:18:36,380 –> 00:18:39,200
من یک تست کوچک دارم. به عنوان مثال در اینجا، بنابراین
491
00:18:39,200 –> 00:18:41,059
من پانداهای Numpy و Seaborn three
492
00:18:41,059 –> 00:18:44,570
Panda three Python pac را دوست دارم و هنگامی که
493
00:18:44,570 –> 00:18:46,820
من یک پردازشگر کلمه کلیدی ترشی
494
00:18:46,820 –> 00:18:49,159
خود را روی آن اعمال کردم متوجه شدم که پانداهای
495
00:18:49,159 –> 00:18:50,900
Numpy و Seabourn سه
496
00:18:50,900 –> 00:18:52,970
بسته هستند که در این دهانه توپ کوچک قرار
497
00:18:52,970 –> 00:18:57,110
دارند که برای ذخیره مدل شما وقتی
498
00:18:57,110 –> 00:19:00,260
نوت بوک خود را متعهد می کنید و به آن نگاه می کنید ایندکس شده اند.
499
00:19:00,260 –> 00:19:01,669
نمایشگر نوت بوک مانند این شما یک
500
00:19:01,669 –> 00:19:04,909
تگ خروجی کوچک خواهید داشت و
501
00:19:04,909 –> 00:19:07,700
تمام فایل هایی
502
00:19:07,700 –> 00:19:08,809
را که در دایرکتوری کاری فعلی خود در آن
503
00:19:08,809 –> 00:19:11,120
دایرکتوری کاری سطح بالا نوشته اید، خواهد داشت و از
504
00:19:11,120 –> 00:19:12,919
اینجا می توانم با استفاده از
505
00:19:12,919 –> 00:19:15,530
این فایلی که می توانم یک هسته جدید ایجاد کنم. مجموعه ای از داده ها از
506
00:19:15,530 –> 00:19:17,090
یک یا چند فایلی که من از خروجی ایجاد کرده ام
507
00:19:17,090 –> 00:19:19,070
یا فقط می توانم آنها را دانلود کنم،
508
00:19:19,070 –> 00:19:20,870
بنابراین این احتمالاً ساده ترین راه برای
509
00:19:20,870 –> 00:19:22,429
خارج کردن فایل های شما از هسته شما
510
00:19:22,429 –> 00:19:29,809
در حال حاضر است، بنابراین من پیش بینی می کنم که این
511
00:19:29,809 –> 00:19:33,169
بخش عمده ای از فایل ها باشد.
512
00:19:33,169 –> 00:19:35,090
کاری که امروز میخواهید انجام دهید،
513
00:19:35,090 –> 00:19:37,159
بنابراین من زمانی که کار را تمام
514
00:19:37,159 –> 00:19:38,299
کردم و در واقع
515
00:19:38,299 –> 00:19:39,679
کدنویسی زنده انجام دادم، به شما نشان میدهم که چگونه این کار را
516
00:19:39,679 –> 00:19:42,770
برای دومین کار انجام میدهم که به جای
517
00:19:42,770 –> 00:19:44,799
نام بستههای پایتون، نام بستههای ما است.
518
00:19:44,799 –> 00:19:46,680
من
519
00:19:46,680 –> 00:19:48,270
کار را ادامه دهید شاید کد
520
00:19:48,270 –> 00:19:49,620
دیگری دارید که می توانید از آن استفاده کنید، مانند پروژه مدرسه
521
00:19:49,620 –> 00:19:50,520
یا چیزی
522
00:19:50,520 –> 00:19:53,010
که آن را به خوبی بازسازی می کند،
523
00:19:53,010 –> 00:19:54,450
مطمئن شوید که عملکردهایی دارید که
524
00:19:54,450 –> 00:19:56,790
ارزش نظرات اسناد را مطمئن کنید و سپس
525
00:19:56,790 –> 00:19:59,820
آن را قابل حمل کنید، بنابراین مدل های خود را
526
00:19:59,820 –> 00:20:02,820
در اینجا بخوانید. یک فرمت قابل حمل تا
527
00:20:02,820 –> 00:20:04,890
بتوانید آنها را به محیط پایتون دیگری بفرستید
528
00:20:04,890 –> 00:20:07,890
و سپس بتوانید آنها را به خوبی اعمال کنید و
529
00:20:07,890 –> 00:20:09,210
ما به عقب برمی گردیم و این کار را بعد از اتمام کار
530
00:20:09,210 –> 00:20:12,810
با یک نوع برنامه چیت چت دوم فلاسک
531
00:20:12,810 –> 00:20:15,240
انجام می دهیم، بنابراین ما در واقع مانند قسمت می نویسیم. از یک
532
00:20:15,240 –> 00:20:17,670
برنامه flask امروز ما همه چیزهایی را
533
00:20:17,670 –> 00:20:18,840
نداریم که واقعاً نمیتوانیم آن را
534
00:20:18,840 –> 00:20:20,100
535
00:20:20,100 –> 00:20:22,290
آزمایش کنیم و به هر حال نمیتوانیم آن را در هستهها آزمایش کنیم، زیرا این
536
00:20:22,290 –> 00:20:23,880
راهی است که هستهها تنظیم میشوند، اما ما
537
00:20:23,880 –> 00:20:26,310
آزمایش خواهیم کرد. فردا کار می کند، قول می دهم
538
00:20:26,310 –> 00:20:29,490
امیدوارم در نظرات کار کند و
539
00:20:29,490 –> 00:20:31,830
ما روی فایل ها و هر فایلی
540
00:20:31,830 –> 00:20:34,080
که در یک نوت بوک جداگانه قرار داده ام می نویسیم، بنابراین
541
00:20:34,080 –> 00:20:35,730
تصور کنید که این یک فایل است و
542
00:20:35,730 –> 00:20:37,260
این یک فایل است و آنها به طور جداگانه ذخیره شده
543
00:20:37,260 –> 00:20:39,510
اند من فقط می خواستم آنها را در
544
00:20:39,510 –> 00:20:40,890
یک یادداشت قرار دهم کتاب، بنابراین برای شما بچه ها آسان است که
545
00:20:40,890 –> 00:20:44,370
به آنها نگاه کنید، بنابراین ما دو
546
00:20:44,370 –> 00:20:47,250
فایل داریم که یک فایل PI ارائه شده داریم و
547
00:20:47,250 –> 00:20:49,770
این کد پایتون ما را دارد
548
00:20:49,770 –> 00:20:52,110
، اینجاست که ما تابع خود را برای
549
00:20:52,110 –> 00:20:53,970
اعمال مدل خود تعریف می کنیم. و اینجا جایی است که می گوییم
550
00:20:53,970 –> 00:20:56,070
اگر گزینه ای مانند پیش پردازش دارید، چگونه می خواهیم در مدل خود بخوانیم،
551
00:20:56,070 –> 00:20:58,620
بنابراین
552
00:20:58,620 –> 00:21:01,130
یک نقطه پایانی نوشتید که در آن افراد می
553
00:21:01,130 –> 00:21:04,140
توانند فایلی با فرمت خاصی ارسال کنند
554
00:21:04,140 –> 00:21:06,690
و یک فایل از پیش پردازش شده را پس بگیرند.
555
00:21:06,690 –> 00:21:08,880
همه اینها را در
556
00:21:08,880 –> 00:21:12,090
اینجا در فایل سرویس پای قرار می دهیم و سپس
557
00:21:12,090 –> 00:21:14,160
یک فایل دوم داریم که
558
00:21:14,160 –> 00:21:17,550
به ما می گوید API ما کجاست و چه
559
00:21:17,550 –> 00:21:18,080
کاری انجام دهیم،
560
00:21:18,080 –> 00:21:20,790
بنابراین ذات ما
561
00:21:20,790 –> 00:21:24,420
برای شما بسیار آشنا به نظر می رسد، ما فقط آن را وارد می
562
00:21:24,420 –> 00:21:27,510
کنیم. شیء پردازشگر کلمه کلیدی از
563
00:21:27,510 –> 00:21:30,540
متن فلش و همچنین pickle و ما در
564
00:21:30,540 –> 00:21:33,600
اینجا یک تابع واحد تعریف کرده ایم که هم در
565
00:21:33,600 –> 00:21:36,450
مدل ما بارگذاری می شود و هم
566
00:21:36,450 –> 00:21:40,290
تابع دیگری برای اعمال آن مدل تعریف می کند بنابراین
567
00:21:40,290 –> 00:21:43,260
وقتی این تابع را از فایل دوم خود فراخوانی
568
00:21:43,260 –> 00:21:44,820
می کنیم که نام آن خواهد بود. برای
569
00:21:44,820 –> 00:21:47,700
آینده در مدل ما بارگذاری خواهد شد
570
00:21:47,700 –> 00:21:51,300
فضای نام فعلی اما این تابع را نیز
571
00:21:51,300 –> 00:21:54,150
برمی گرداند که می توانیم برای
572
00:21:54,150 –> 00:21:56,610
اعمال مدل خود از آن استفاده کنیم و من مستقیماً
573
00:21:56,610 –> 00:21:58,470
این معماری خاص را
574
00:21:58,470 –> 00:22:00,600
از GUI آلن قرض
575
00:22:00,600 –> 00:22:05,820
576
00:22:05,820 –> 00:22:07,290
577
00:22:07,290 –> 00:22:08,370
گرفته ام. روش
578
00:22:08,370 –> 00:22:10,320
مخصوصاً مرتبی برای انجام کارها بود، بنابراین
579
00:22:10,320 –> 00:22:12,450
این همان چیزی است که من از آن استفاده میکنم.
580
00:22:12,450 –> 00:22:13,860
581
00:22:13,860 –> 00:22:17,460
582
00:22:17,460 –> 00:22:18,840
583
00:22:18,840 –> 00:22:20,910
584
00:22:20,910 –> 00:22:22,980
دایرکتوری ما این فایل را داریم اما
585
00:22:22,980 –> 00:22:24,720
هنوز نامی ندارد و در آینده نامی نخواهیم داد.
586
00:22:24,720 –> 00:22:28,230
در این فایل
587
00:22:28,230 –> 00:22:28,980
همه چیزهایی را که نیاز داریم وارد می کنیم.
588
00:22:28,980 –> 00:22:31,680
589
00:22:31,680 –> 00:22:35,040
590
00:22:35,040 –> 00:22:37,440
serve این فایل است و ما
591
00:22:37,440 –> 00:22:40,200
آن را به عنوان یک ماژول وارد می کنیم و فقط
592
00:22:40,200 –> 00:22:42,180
همین تابعی را که نوشته بودیم وارد می کنیم، بنابراین اگر
593
00:22:42,180 –> 00:22:45,120
موارد اضافی مانند how about داشتیم، نمی
594
00:22:45,120 –> 00:22:46,500
دانم چه چیزی را می بینم که اینجا چه اتفاقی می افتد، این
595
00:22:46,500 –> 00:22:47,430
یک تابع نیست. کارکرد اما اگر
596
00:22:47,430 –> 00:22:48,600
چیزهای دیگری در اینجا داشتید این کار را نمی کرد
597
00:22:48,600 –> 00:22:50,280
آن را وارد کنید و همچنین می توانید انتخاب کنید که
598
00:22:50,280 –> 00:22:53,040
فقط کل چیزی را که در اینجا من توضیح داده ام وارد
599
00:22:53,040 –> 00:22:54,570
کنید، زیرا در فهرست کاری فعلی
600
00:22:54,570 –> 00:22:57,090
ما هیچ فایلی به نام
601
00:22:57,090 –> 00:22:58,890
Serb PI نداریم، شما محیط نوت بوک ما را می شناسید،
602
00:22:58,890 –> 00:23:00,420
بنابراین این کار نمی کند
603
00:23:00,420 –> 00:23:02,550
اما یک بار. ما به یک
604
00:23:02,550 –> 00:23:04,860
محیط دیگر منتقل میشویم، میتوانیم آن را از کامنت برداریم و تا
605
00:23:04,860 –> 00:23:07,350
زمانی که فایلی به نام served up
606
00:23:07,350 –> 00:23:10,050
high و