- Crear un repo git en donde se bajen esto
git init
git remote add origin <nuestra-nueva-url-de-git>
- Bajarse los repositorios de
pybindyeigencomo submódulos
git submodule init
git submodule add https://github.com/eigenteam/eigen-git-mirror
git submodule add https://github.com/pybind/pybind11
git mv eigen-git-mirror eigen
# Elegimos versiones de eigen y pybind
cd pybind11/ && git checkout v2.2.4 && cd ..
cd eigen && git checkout 3.3.7 && cd ..
- Instalar requerimientos (Previamente activar el entorno virtual. Ver más abajo)
pip install -r requirements.txt
- Descomprimir datos
cd data && gunzip *.gz && cd ..
- Correr Jupyter
jupyter lab
Listo. Ya pueden disfrutar del TP2
En data/ tenemos los datos de entrenamiento (data/train.csv) y los de test (data/test.csv).
En src/ está el código de C++, en particular en src/metnum.cpp está el entry-point de pybind.
En notebooks/ hay ejemplos para correr partes del TP usando sklearn y usando la implementación en C++.
curl https://pyenv.run | bash
Luego, se sugiere agregar unas líneas al bashrc. Hacer eso, REINICIAR LA CONSOLA y luego...
pyenv install 3.6.5
pyenv global 3.6.5
pyenv virtualenv 3.6.5 tp2
En el directorio del proyecto
pyenv activate tp2
python3 -m venv tp2
source tp2/bin/activate
conda create --name tp2 python=3.6.5
conda activate tp2
pip install -r requirements.txt
cd notebooks
jupyter lab
o notebook
jupyter notebook
Ejecutar la primera celda del notebook knn.ipynb o seguir los siguientes pasos:
- Compilar el código C++ en un módulo de python
mkdir build
cd build
rm -rf *
cmake -DPYTHON_EXECUTABLE="$(which python)" -DCMAKE_BUILD_TYPE=Release ..
- Al ejecutar el siguiente comando se compila e instala la librería en el directorio
notebooks
make install