Anaconda Kütüphane Kurulumu

Bu yazımızda ilerleyen zamanlarda gerçekleştireceğimiz projelerde kullanacağımız kütüphaneleri kısaca tanıyıp, Anaconda’ nın paket yöneticisinden nasıl indirileceğini göreceğiz.

Numpy Kütüphanesi

Numpy, makine öğrenmesi için çok önemli olan lineer cebir işlemlerini daha kolay ve daha hızlı bir şekilde gerçekleştirmemizi sağlayan bir python kütüphanesidir. Yapay zeka alanında genellikle büyük veriler üzerinde işlem yaptığımız için bu noktada performans bizim için çok önemli olmaktadır. Öncelikle numpy kütüphanesini indirdikten sonra bir örnekle saf python dizisi ile numpy dizisinin hız karşılaştırmasını yapalım. Kütüphaneleri iki farklı yol ile indirebiliriz. Anaconda Navigator arayüzünden veya CLI’ dan(kod satırı arayüzü) indirebiliriz. İlk olarak Anaconda Navigator üzerinden indirilmesine bakalım. Anaconda Navigator’ ı açtıktan sonra yanda bulunan Environments sekmesine tıklıyoruz. Daha sonra yukarıda bulunan installed kısmını not installed seçerek arama kısmına numpy yazıyoruz. Numpy’ i seçerek apply’ a basıyoruz. İndirme işlemi için Anaconda paket yöneticisi Numpy kütüphanesinin bağımlı olduğu diğer paketleri de tespit edip onları da indirecektir, çıkan pencerede bir daha apply’ a basıyoruz.

Bir diğer indirme seçeneği ise CLI’ dan. Bilgisayarımızın arama kısmında Anaconda Prompt’ u aratıp açıyoruz ve çıkan terminalde “conda install numpy” komutunu girerek indirme işlemini tamamlıyoruz. Hangi işlem daha kolayınıza geliyor ise o şekilde indirme işlemlerini yapabilirsiniz. Aşağıdaki kod örneğinde ise numpy ve python dizisinin 2 tane 10 milyon elemanlı dizinin toplanması için geçen hız karşılaştırmasını görebilirsiniz.

import numpy as np
import time


dizi_boyutu = 10000000


def saf_python_dizisi():
    # zamanımızı başlatıyoruz.
    t1 = time.time()
    # 10 milyon elemanlı 2 dizi oluşturuyoruz
    X = range(dizi_boyutu)
    Y = range(dizi_boyutu)
    # iki dizi arasında toplama işlemi gerçekleştirip yeni bir 1 milyon elemanlı 
    # dizi elde ediyoruz
    Z = [X[i] + Y[i] for i in range(len(X))]
    # bitiş zamanını alıyoruz.
    t2 = time.time()
    
    # toplamda geçen zamanı hesaplıyoruz.
    return t2 - t1

def numpy_dizisi():
    t1 = time.time()
    # 10 milyon elemanlı 2 tane numpy dizisi oluşturuyoruz.
    X = np.arange(dizi_boyutu)
    Y = np.arange(dizi_boyutu)
    # bu iki diziyi toplayıp yeni bir numpy dizisine yazıyoruz.
    Z = X + Y
    t2 = time.time()
    
    return t2 - t1

python_zamani = saf_python_dizisi()
numpy_zamani = numpy_dizisi()

print(python_zamani, numpy_zamani)
print("Bu örnekte numpy " + str(python_zamani / numpy_zamani) + " kat daha hızlı.")   

Pandas Kütüphanesi

Pandas kütüphanesi, veri analizi ve veri ön işlemesi için kullanılan bir python kütüphanesidir. Veri analizini kısaca veriden faydalı bilgi çıkarmak, veriyi incelemek, veri ön işlemesini ise kullanacağımız veriyi makine öğrenme algoritmalarına sokmadan önce uygun forma getirmek olarak tanımlayabiliriz. İstersek kütüphaneyi yine aşağıdaki gibi Anaconda Navigator üzerinden veya CLI üzerinden “conda install pandas” yazarak indirebilirsiniz.

Matplotlib Kütüphanesi

Matplotlib kütüphanesi veri görselleştirmesi için kullanılan bir kütüphanedir. Veri görselleştirmesi karmaşık verileri düzenleyerek veriyi daha iyi anlamamıza, veri üzerindeki aykırı değerleri belirlememize, veri üzerindeki inişleri ve çıkışları gözlemlememizi kolaylaştırır. Kütüphaneyi tercihinize göre Anaconda Navigator üzerinden ya da CLI üzerinden “conda install matplotlib” komutunu yazarak indirebilirsiniz.

Tensorflow ve Keras Kütüphaneleri

Tensorflow makine öğrenmesi algoritmalarını eğitebildiğimiz bir kütüphanedir. Keras ise derin öğrenme kütüphanesidir. Keras arka planda Tensorflow’ u kullanır, yani yazdığımız Keras kodları arka planda Tensorflow kodlarına çevrilerek çalıştırılır. Keras üzerinde kodlama yapmak Tensorflow’ a göre daha kolay olduğu için bu alanda çalışma yapmaya yeni başlamış kişiler kolaylıkla Keras’ ı kullanabilir. Anaconda Navigator üzerinde Tensorflow’ u arattıktan sonra hem Keras hem de Tensorflow’ u seçerek indirme işlemeni yapabiliriz veya CLI üzerinden “conda install -c conda-forge keras” komutunu çalıştırarak indirmeyi gerçekleştirebilirsiniz. Keras kütüphanesi zaten Tensorflow’ a bağımlı olduğu için bu komutu çalıştırdığımızda Tensorflow da otomatik olarak yüklenecektir.

İlerleyen yazılarımızda lazım oldukça kullanacağımız kütüphaneleri bu şekilde yükleyeceğiz, siz de kullanmak istediğiniz kütüphaneleri tercih ettiğiniz yöntem ile indirebilirsiniz.