Статья расскажет, что такое сборка WPI, как ее сделать самостоятельно, как добавлять программы и как использовать полученную сборку для установки программ на ПК.
Современный пользователь ПК часто сталкивается с необходимостью установки различных программ. Обычно это происходит вручную, и порой такие процессы занимают много времени и сил. Но существует решение этой проблемы – использование сборки WPI.
WPI – это аббревиатура от «Windows Post-Installation». Сборка WPI представляет собой автоматизированный инсталлятор, который содержит набор программ и файлов, необходимых для настройки и установки ПК после переустановки операционной системы.
Чтобы создать собственную сборку WPI, необходимо выполнить несколько простых действий.
Шаг 1: Загрузить и установить WPI Builder
WPI Builder – это бесплатная программа, которая позволяет создать собственную сборку WPI. Ее можно загрузить с сайта разработчика и установить на ПК.
WPI Делаем свой сборник программ
Шаг 2: Добавить программы в сборку
После установки WPI Builder, нужно добавить программы в сборку. Для этого необходимо иметь установочные файлы программ. Просто нажмите на кнопку «Add Program» и укажите путь к файлу. После добавления программ в список, можно указать их порядок установки.
Шаг 3: Произвести дополнительные настройки
Для того, чтобы установка программы проходила автоматически, необходимо указать параметры установки. Для этого можно использовать функцию «Run Parameters». Здесь можно указать путь к установочному файлу, ключи командной строки и другие параметры.
Шаг 4: Сохранить сборку
После того, как все программы и настройки добавлены, необходимо сохранить сборку. Для этого нужно нажать кнопку «Save» и выбрать путь для сохранения сборки.
Готово! Теперь можно использовать полученную сборку WPI для установки программ на новый ПК. Для этого просто запустите сборку, выберите нужные программы и нажмите кнопку установки.
Создание своей сборки WPI – это простой способ упростить установку программ на ПК. Самые популярные программы уже есть в WPI по умолчанию, но если что-то нужно добавить или удалить, можно легко сделать это самостоятельно. Сборка WPI – это отличный инструмент для эффективной настройки ПК при переустановке операционной системы.
Источник: silatibeta.ru
Как добавить свои программы в образ windows 10 + видео обзор
Создание образа Windows 10 с собственным набором предустановленного ПО и настройками меню Пуск
В одном из наших прошлых материалов мы рассмотрели состав предустановленного ПО в Windows 10, а также некоторые вопросы связанные с его управлением и настройками меню Пуск. Вопреки распространенному мнению большую часть программ можно удалить штатными методами, а использование PowerShell вообще дает полный контроль. Но есть одно но! Все вносимые изменения касаются только локального ПК и локального профиля пользователя, что не подходит если вам нужно развернуть Windows 10 на некоторое число компьютеров, в этом случае лучшим способом будет создание собственного, заранее настроенного образа.
как создать сборник программ с тихой установкой Тихая установка программ в Windows
В рамках данной статьи мы не предполагаем глубокой модификации установочного образа, ограничившись выбором набора предустановленного ПО, собственными настройками меню Пуск и некоторыми «твиками» в системном реестре. В большинстве случаев этого достаточно, чтобы облегчить жизнь системного администратора и упростить процесс настройки рабочих станций после установки ОС.
Для работы нам понадобится оригинальный образ Windows 10 содержащий файл install.wim, образы со сжатым и зашифрованным файлом install.esd нам не подойдут. Также скачайте и установите на рабочем ПК Windows Assessment and Deployment Kit (ADK), из всего набора инструментов нам потребуются только Средства развертывания.
Кроме образа нам также потребуется шаблон предварительно настроенного меню Пуск. Это можно сделать на любой рабочей станции, но проследите, чтобы в набор плиток не попали отсутствующие в образе приложения. На наш взгляд лучше всего произвести тестовую установку с целевого образа на виртуальную машину, настроить там меню Пуск и выполнить экспорт настроек. Ниже показан один из примеров такой настройки, набор приложений в нем выбран произвольно, поэтому настраивайте меню именно так, как нужно вам.
После того, как вы все настроили сделайте экспорт настроек командой PowerShell:
Также, в настройках меню Пуск по умолчанию включена опция Иногда показывать предложения в меню «Пуск», которая время от времени выводит в самом верху ссылки на приложения Магазина и устанавливает их при клике на значок. Чтобы избежать такого поведения необходимо внести некоторые изменения в реестр. Поэтому подготовим файл импорта: создадим обычный текстовый документ со следующим содержимым и сохраним его как import.reg.
При желании вы можете добавить в этот файл и другие «твики», однако это выходит за рамки данной статьи. Обратите внимание, что мы импортируем изменения в несуществующую ветку HKEY_USERSTMP, куда мы подключим ветвь HKEY_USERS.DEFAULT из образа. Если же вам нужно внести изменения в другие ветви реестра образа, то добавьте в файл импорта необходимые псевдонимы. Напомним, что вы можете подключить файл реестра в любое место системного реестра собственной машины, назначив ему уникальное имя.
Теперь создадим набор рабочих папок, их следует располагать ближе к корню файловой системы и использовать короткие пути. В нашем случае это будут папки:
После чего скопируем в D:iso содержимое образа установочного диска. Как правило, образ содержит сразу несколько редакций Windows 10 и нам необходимо выяснить их набор и номер требуемой редакции, для этого выполним в PowerShell с правами администратора (здесь и далее используется среда PowerShell, если не указано иного) следующую команду:
Где вам потребуется указать путь к файлу install.wim распакованного образа. В выводе вы получите перечисление всех редакций в образе:
В нашем случае нас интересует редакция Pro под номером 4. Выполним ее монтирование:
В параметрах команды мы указываем путь к файлу install.wim образа, индекс необходимой редакции и директорию монтирования, в которой появится содержимое по составу, напоминающее системный диск Windows.
Теперь, когда образ смонтирован, перейдем к встроенному ПО. Сначала получим список предустановленного ПО образа и выясним имена пакетов, для этого выполним:
Большинство приложений имеют понятные имена, за исклчением Cortana, которая скрывается за наименованием Microsoft.549981C3F5F10. Чтобы удалить приложение из образа воспользуемся командой:
В данном случае мы удаляем Cortana. Мы не будем давать каких-либо рекомендаций по составу предустановленного ПО, каждый решает этот вопрос самостоятельно, с учетом собственных потребностей и предпочтений. В нашем примере мы также удалили приложения Office, OneNote, Sticky Notes и Feedback Hub.
Для изменения шаблона меню Пуск нам нужно просто скопировать файл LayoutModification.xml в нужное место образа:
И напоследок выполним импорт файла реестра. Прежде всего подключим к реестру рабочей машины ветвь HKEY_USERS.DEFAULT образа:
В нашем случае мы подключили данную ветвь в HKEY_USERSTMP, который указан в нашем файле импорта. После чего импортируем в реестр содержимое файла:
По завершению операции ветвь реестра следует отключить:
Видео: Как создать свою сборку Windows 10 Скачать
Источник: altarena.ru
Блог
Как превратить ваш ноутбук Jupyter в удобное веб-приложение
- Запись опубликована: 10 июля, 2023
- Рубрика записи: Блок статей
- Комментарии к записи: 0 комментариев
Способность создавать прогностические модели – это сверхдержава, но вы не сможете добиться многого от этих моделей, если пользователи не смогут их использовать.
В этой статье мы рассмотрим процесс создания и развертывания веб-приложения для машинного обучения с использованием Flask и PythonAnywhere.
Flask — это веб-фреймворк Python, с которым легко работать, а PythonAnywhere — это сервис веб-хостинга, предоставляемый Anaconda.
Как создать веб-приложение для машинного обучения
Идея превратить ваши прогностические модели в веб-приложение может показаться ошеломляющей. Но я обещаю вам, что это относительно легко и прямолинейно.
Вот шаги, которые нам нужно предпринять, чтобы сделать это:
- Сохраните модель машинного обучения
- Создайте веб-страницу с использованием HTML
- Создайте серверную часть с помощью Flask
- Оформите это так, как вы хотите
- Разверните его в Интернете
Я хотел создать веб-приложение для прогнозирования диабета и поэтому использовал для этого этот набор данных. Вы можете использовать любой набор данных, который вам нравится, так как процесс останется прежним.
Прежде чем приступить, давайте разберемся со структурой каталогов, которой мы собираемся следовать. Это будет полезно для упорядочивания наших файлов и упрощения развертывания.
Структура каталогов
Я назвал свой корневой каталог diabetes_app, но вы можете назвать свой как хотите.
У нас есть еще три каталога и файл Python в diabetes_app (корневой каталог). Каталог моделей будет содержать нашу обученную модель. В статическом каталоге есть еще два каталога, в CSS будут сохранены все таблицы стилей, а в script будут файлы JavaScript, если таковые имеются. Наконец, в папке Templates будут сохранены HTML-файлы и app.py это наш файл Python, который содержит серверный код (Flask).
Теперь, когда у нас есть организованная файловая структура, давайте начнем.
Как сохранить модель машинного обучения
Сохранение модели — самая простая из всех задач. Для этого мы будем использовать библиотеку Python pickle.
Как только вы закончите обучение, тестирование и настройку гиперпараметров, сохраните наиболее эффективную модель в переменной. Для меня лучшей моделью был RandomForestsClassifier, и я сохранил его следующим образом:
clf = RandomForestClassifier() clf.fit(X_train.values, y_train)
Теперь у clf есть моя обученная модель RandomForestClassifier, которая готова к сохранению в файле. Для этого мне нужно будет импортировать библиотеку pickle и сохранить clf следующим образом:
import pickle pickle.dump(clf, open(‘model.pkl’, ‘wb’))
Выше мы создали форму с двумя вопросами. Для атрибута action в форме установлено значение > , которое будет отображать наше предсказание при отправке формы. Для определения возраста мы предоставляем пользователю поле ввода номера, а для определения пола у нас есть переключатели.
Атрибут value содержит значение для каждого переключателя. Мужчина имеет значение 1, а женщина — значение 0, которые будут использоваться в качестве входных данных для нашего прогнозирования. Убедитесь, что каждое поле ввода имеет соответствующие атрибуты значения в качестве вашего окончательного (обработанного / готового к прогнозированию) набора данных. У меня был гендерный признак в двоичном кодировании, поэтому я использовал значения 1 и 0 для обозначения пола.
В теге paragraph будут отображаться результаты прогнозирования. Предсказание — это переменная, которая будет хранить наше предсказание в файле Python, который мы увидим на следующем шаге.
Вы можете добавить столько вопросов, сколько захотите, и какой бы тип ввода вам ни подходил – функциональность останется прежней.
Как создать серверную часть с помощью Flask
Сейчас мы находимся на самом интересном этапе, который заключается в создании серверной части. Сначала взгляните на код, а затем мы углубимся в него.
Начните с импорта библиотек, которые нам понадобятся. Нам понадобится NumPy для обработки входных значений, Flask для составления прогнозов и pickel для загрузки модели, которую мы сохранили на первом шаге.
Сначала мы создаем наш объект приложения, который мы будем использовать повсюду для создания нашего бэкенда. Во-вторых, мы загружаем нашу модель с помощью функции pickel.load(). На этот раз мы заменили ‘wb’ на ‘rb’, что означает ‘прочитать двоичный файл’ , который сообщает pickel прочитать данные.
Здесь мы определяем функцию прогнозирования, внутри которой мы сначала сохраняем все входные значения в массиве с именем int_features, используя request.form.values(). Как только у нас есть входные значения, мы преобразуем их в 2D-массив для прогнозирования и делаем прогноз, как мы обычно делаем. Наконец, мы сохраняем прогноз в переменной prediction, которую мы будем использовать для отображения результата в нашем веб-приложении.
render_template(‘index.html ‘, prediction=result) сообщает Flask присвоить результат переменной prediction и отобразить его в нашем index.html файл.
Помните атрибут action, установленный в качестве predict в нашем HTML? Это та же самая функция прогнозирования, которую мы определили здесь. Когда пользователь отправляет форму, вызывается функция прогнозирования.
Наконец, мы запускаем наше приложение в последних двух строках. debug=True — необязательный аргумент (по умолчанию равно False), который автоматически перезагружает веб-страницу при внесении изменений в код. Это будет полезно, когда вы будете создавать стиль своего приложения.
Как оформить приложение так, как вы хотите
Чтобы все было проще, я показал вам простейший способ создания веб-приложения для машинного обучения. Но вы можете многое с этим сделать.
Я оформил свое приложение в виде трех отдельных веб-страниц для домашней страницы, формы / вопросов и результатов. Я также добавил немного JavaScript для отображения случайных новостей, связанных со здоровьем, со всего мира на главной странице и немного изменил стиль, чтобы все выглядело красиво.
Способ связать файлы CSS и JavaScript при работе с Flask заключается в следующем:
static — это имя папки, в которой сохраняются файлы
Чтобы добавить более одной веб-страницы, вам просто нужно добавить больше маршрутов в файл Python, как мы делали на предыдущем шаге. Предположим, мы хотим добавить отдельную страницу результатов для отображения прогнозов. Маршрут /predict будет выглядеть следующим образом:
Вместо рендеринга index.html , мы оказываем results.html с нашим предсказанием. Вы можете структурировать и стилизовать свой results.html запишите файл так, как вы хотите, и добавьте к нему предсказание.
Как развернуть приложение в Интернете
Теперь, когда мы закончили с оформлением, приложение готово к переносу в облако. PythonAnywhere прост в использовании и имеет бесплатный план развертывания приложений на Python. Сначала вам нужно будет создать учетную запись и выбрать бесплатный тарифный план.
Далее вам нужно будет присвоить своему приложению имя, перейти на вкладку файлы и удалить существующий сайт там. Загрузите все ваши файлы в ту же структуру каталогов, которая обсуждалась выше. Затем перейдите на вкладку Веб и нажмите синюю кнопку перезагрузки.
Если в вашем проекте есть файлы CSS и JavaScript, вам нужно будет определить их URL и путь к каталогу в разделе статические файлы на вкладке Веб.
URL будет /static /, поскольку мы обслуживаем статические файлы, а каталог будет /home/yourwebsitename/mysite/assets, поскольку наши файлы CSS и JavaScript сохраняются в статическом каталоге.
Перезагрузите веб-сайт, снова нажав синюю кнопку перезагрузки, и ПОЗДРАВЛЯЕМ – вы развернули свое веб-приложение для машинного обучения в облаке.
Заключение
Развертывание веб-приложений для машинного обучения не так сложно, как может показаться, – по крайней мере, не так сложно, как изучение теорий машинного обучения. И если вы сделали это, развертывание — это всего лишь легкий ветерок, который может поднять вас на еще большие высоты.
Я надеюсь, что эта статья помогла вам понять, как вы можете развернуть свои модели и сделать их более привлекательными. Код для веб-приложения для оценки риска диабета, которое я создал, можно найти на моем GitHub.
Разверните свои модели и покажите миру свою сверхспособность!
Вам также может понравиться
Как улучшить свои навыки технического письма, участвуя в проектах с открытым исходным кодом
14 июня, 2023
Что такое Специалист по информатике? Чем именно занимаются специалисты CS Majors?
9 июля, 2023
Объектно-ориентированное программирование на JavaScript для Начинающих
21 мая, 2023