Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/ilanolkies/metnum-tp2
https://github.com/ilanolkies/metnum-tp2
Last synced: about 1 month ago
JSON representation
- Host: GitHub
- URL: https://github.com/ilanolkies/metnum-tp2
- Owner: ilanolkies
- Created: 2019-10-05T20:23:58.000Z (about 5 years ago)
- Default Branch: master
- Last Pushed: 2022-06-21T23:02:45.000Z (over 2 years ago)
- Last Synced: 2023-11-21T21:29:04.097Z (12 months ago)
- Language: Python
- Size: 54.3 MB
- Stars: 2
- Watchers: 2
- Forks: 1
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# KNN-Sentiment: TP2 de Métodos Numéricos
## Instrucciones
### Clonar Repo
NO HACER FORK!
Primero, crearse un repo en algún otro lugar. Luego, clonar este repo de la siguiente manera:
```
git clone [email protected]:finiteautomata/metnum-tp2-20192c.git
```
Cambiar el repositorio al que hayamos creado
```
git remote remove origin
git remote add origin
```
Listo. Ya pueden disfrutar del TP2
### Datos
En `data/` tenemos que descomprimir el dataset de IMDB, que lo pueden [bajar de acá](https://campus.exactas.uba.ar/pluginfile.php/143556/course/section/19842/imdb.tar.gz)
### Otros directorios
En `src/` está el código de C++, en particular en `src/sentiment.cpp` está el entry-point de pybind.
En `notebooks/` hay ejemplos para correr partes del TP usando sklearn y usando la implementación en C++.
## Creación de un entorno virtual de python
### Con pyenv
```
curl https://pyenv.run | bash
```
```
export PATH="/home2/clinux01/.pyenv/bin:$PATH"
eval "$(pyenv init -)"
eval "$(pyenv virtualenv-init -)"
```
Luego, se sugiere agregar unas líneas al bashrc. Hacer eso, **REINICIAR LA CONSOLA** y luego...
```
pyenv install 3.6.5
pyenv global 3.6.5
pyenv virtualenv 3.6.5 tp2
```
En el directorio del proyecto
```
pyenv activate tp2
```
### Directamente con python3
```
python3 -m venv tp2
source tp2/bin/activate
```
### Con Conda
```
conda create --name tp2 python=3.6.5
conda activate tp2
```
## Instalación de las depencias
```
pip install -r requirements.txt
```
## Correr notebooks de jupyter
```
cd notebooks
jupyter lab
```
o notebook
```
jupyter notebook
```
## Compilación
Ejecutar la primera celda del notebook `knn.ipynb` o seguir los siguientes pasos:
### Submódulos y librerías necesarias
Necesitamos bajar las librerías `pybind` y `eigen` (el "numpy" de C++), para eso bajamos los submódulos como primer paso.
Versión de Python >= 3.6.5
Para bajar submódulos ejecutar:
```
git submodule init
git submodule update
```
- Compilar el código C++ en un módulo de python
```
mkdir build
cd build
rm -rf *
cmake -DPYTHON_EXECUTABLE="$(which python)" -DCMAKE_BUILD_TYPE=Release ..
```
- Al ejecutar el siguiente comando se compila e instala la librería en el directorio `notebooks`
```
make install
```
## Prueba de clasificación
1. Compilar la librería
```
cd build && cmake -DCMAKE_BUILD_TYPE=Release .. && make clean && make && make install
```
2. Correr clasificación sobre sample
```
python bin/classify.py data/test_sample.csv data/test_sample.out
```
3. Correr evaluación
```
python bin/evaluate.py data/test_sample.out data/test_sample.true
```