기본 콘텐츠로 건너뛰기

windows subsystem for Linux(WSL) 완벽설치방법 #feat 개고생

필자는 머신러닝에 입문한 초보자임을 말씀드리며 이글을 적습니다.

 window10을 이용하되, window상에서 리눅스를 사용하고 싶은 독자가 읽어줬으면 한다.
window10에 linux를 설치하는 걸 window subsystem for linux 라고 한다.
우선 microsoft store 에 들어가서 ubuntu18.04를 설치한다.
여러가지 버전중에서 본인이 마음에 들어하는 것을 설치하면 된다.


command line 라인 상에서 gui를 설치하기 위해서 연결해주는 프로그램이 필요하기 때문에 Xming을 설치한다.

https://sourceforge.net/projects/xming/    에서 다운 받아 설치 진행


그림 상단에 설치된 모습 확인
x ming을 실행한다. 좌측하단에 xming이 실행이 된다. 하지만, 특별하게 바뀐건 없다.

command window로 이동한다.

export DISPLAY==:0.0  명령어 실행

sudo apt-get update
sudo apt-get install firefox
firefox


다음과 같이 실행되는 걸 확인할 수 있다.

firefox상에서 anaconda prompt 를 실행

여기서 리눅스, python3.7을 선택해서 설치를 진행한다.


다음과 같이 Anaconda3-5.0.0.1-Linux-x86_64.sh 와같이 파일이 설치 된것을 확인할 수 있다.

bash Anaconda3-5.0.0.1-Linux-x86_64.sh
source ~/.bashrc

conda list


이제 파이참을 설치할거다.
위와 같은 방법으로 firefox로 pycharm으로 가서 pycharm을 설치 한다.

https://www.jetbrains.com/pycharm/download/#section=linux

pycharm 의 bin 폴더로 이동해서

sh pycharm.sh

실행

sudo apt-get install defult-jdk
sudo apt-get install defult-jre
를 실행

./pycharm.sh
로 파이참 실행



<작성중>

댓글

댓글 쓰기

이 블로그의 인기 게시물

Kernel Density Estimation(커널밀도추정), Density plot in R

 Kernel Density Estimation(커널밀도추정) Density Estimation(밀도추정)  : 통계란, 데이터는 어떤변수가 가질 수 있는 다양한 가능성 중에 하나가 현실 세계에 구체화된 값이다. 그리고 우리는 그 변수의 성질을 파악하기위해서 부단히 노력을 한다. 하나의 데이터로 특성을 파악하기에는 어렵기 때문에 수많은 데이터를 이용해서 데이터의 특성을 파악하고자 노력을 한다. 이렇게 얻어진 데이터를 이용해서 데이터들의 분포로 부터 원래변수의 분포특성을 추정하고자 하는 것이 density estimation 이라고 한다.  - 밀도(density)는 수학적으로는 질량/부피 이지만,  밀도추정(density estimate), 기계학습, 확률, 통계 등에서 말하는 밀도(density)는 확률밀도(probagiltity density function)을 추정하는 것과 동일하다. f(a)는 x=a에서의 확률밀도(probability density)이다. 즉 x가 a라는 값을 가질 상대적인 가능성(relative likelihood)를 나타낸다.  즉 다시말하면 x=a 일 확률은 0이지만, x=a에서의 밀도는 0이 아니다. 또한 x가 a,b 사이의 값을 가질 확률은 그 구간의 확률밀도함수의 적분값으로 계산된다. 어떤 변수의 확률밀도함수(PDF)를 구할 수 있으면 그 변수가 가질 수 있는 값의 범위 및 확률, 기계학습 추정등에서 가장 핵심정인 요소중의 하나이다. Parametric vs Non-parametric 밀도추정. 밀도추정(density estimation)방법은 크게 parametric 방법과 non-parametric 방법으로 나뉜다. parametric density estimate는  확률밀도함수(PDF)에 대한 모델을 정해놓고 데이터들로부터 모델의 파라미터만 추정하는 방식이다.  즉 예를 들면 일일 교통량이 정규분포를 따른다고 가정해버리면...
댓글 쓰기
자세한 내용 보기

python; cv2.getStructuringElement

사용법 cv2.getStructutinElement(shape,ksize[,anchor]) parameter shape :  - MORPH_RET : 사각형  - MORPH_ELLIPSE : 타원형  - MORPH_CROSS : 십자 ksize => 커널의 사이즈를 의미 예제 :  element = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(7,7)) pl.imshow(element)
댓글 쓰기
자세한 내용 보기

moonbook # table 작성 tool

R은 base system과 Package로 구성된다. (1) Base system은 CRAN(Comprehensive R Archive Network) site에 접속해서 다운로드해서 설치했던 R 설치가 바로 Base system이다. (2) Package는 R함수, 데이터, 컴파일된 코드 등을 모아 놓은 것을 말함. 통계분석 목적/필요에 따라서 Base system에 레고 블록처럼 설치를 해서 사용하게 됩니다. package의 종류   - base package : 설치_불필요, 사용_불필요   - Recommended packages : 설치_자동, 사용_필요   - Other packages : 설치_개별설치, 사용_불러오기 필요.  즉, Other package만이 개별설치가 필요함.  R package설치는 install.packages("package name") 함수를 사용해야한다. 패키지 설치후에는 package를 불러오기만 하면된다. library(package name) 혹은 require(package name) 함수를 사용하면 된다. ""를 잘 구분해야함. install.package("moonbook")   #CRAN의 패키지 설치. requrire(moonBook)  #패키지 불러오기. res<- mytable(walk_yn ~age_gr+age+gender+smk_all+BMI_gr+BMI+sbp1+dbp1,                        data =mydata, method=1 , digits=1, max.ylev = 5) # data = mydata :  실제 데이터를 의미. # method =1   -> 정규분포로 가정하여 정규분포(normal distributi...
댓글 쓰기
자세한 내용 보기