Repositorio del material utilizado en el evento AI Session 02: Intro to Deep Learning

Las siguientes instrucciones son para que puedan correr el proyecto en sus computadoras tanto para desarrollo, prueba y modificaciones del contenido presentado durante la charla.

Antes de comenzar es necesario tener instalado Miniconda con Python 3.6. Miniconda (Anaconda) es un gestor de paquetes y environments de Python. Se puede descargar desde el siguiente link https://conda.io/miniconda.html

Paso a paso el proceso de instalación una vez cumplidos los prerrequisitos. Durante el siguiente instructivo vamos a suponer que nos encontramos parados en la carpeta del sistema "~/Documents"

$ cd ~/Documents
# clonamos el repo
$ git clone https://github.com/DevC-Cordoba/ai-session-02
$ cd ai-session-02/setup
# corremos el script con el cual se descargan las dependencias necesarias 
# y crea el environment ai-session-02
# PUEDE TARDAR VARIOS MINUTOS, SEAN PACIENTES
$ sh setup.sh

Si todo termina con éxito ya estarán listos para trabajar con las jupyter notebooks. Para chequear la correcta instalación ejecuten el siguiente comando para activar el environment ai-session-02

$ source activate ai-session-02

Deberían ver en los comandos delante de todo lo siguiente -> (ai-session-02)

Para poder ejecutar la presentación en Jupyter Notebook deberan tener el environment activado, si no ven lo siguiente en su terminal (ai-session-02) entonces ejecuten

$ source activate ai-session-02

Luego, teniendo en cuenta que están en la carpeta "~/Documents/ai-session-02" ejecuten el siguiente comando

$ jupyter notebook

Esto les abrirá un browser con la siguiente url http://localhost:8888/tree y entre al archivo "Session_02_practico.ipynb" Para desactivar el environment ejecuten

$ source deactivate ai-session-02

Aca hay un instructivo https://live.osgeo.org/es/quickstart/jupyter_quickstart.html Les recomiendo ir ejecutando celda por celda, Jupyter Notebook tiene un intérprete entonces se van cargando las variables a medida que vas ejecutando el código

• Matplotlib
• Numpy
• PyTorch

• Joaquín Barotto - Speaker - JoacoIB
• Daniel Bridera - Speaker - danielstaff