ข้ามไปที่เนื้อหาหลัก

สร้างไฟล์ requirements.txt ใน python รันผ่าน Terminal หรือ Command Prompt ในโโปรเจกต์ของคุณ

 คำสั่งสำหรับติดตั้งไลบรารีทั้งหมดที่ระบุไว้ในไฟล์ requirements.txt ให้รันผ่าน Terminal หรือ Command Prompt ในโฟลเดอร์โปรเจกต์ของคุณ:


Bash
pip install -r requirements.txt
ข้อควรระวังและแนวทางแนะนำ

  • ใช้ Virtual Environment: แนะนำให้สร้างและเปิดใช้งาน Virtual Environment (venv) ก่อนรันคำสั่ง เพื่อป้องกันไม่ให้แพ็กเกจไปปะปนกับ Python หลักของเครื่อง

  • อัปเดต pip: หากพบข้อผิดพลาดขณะติดตั้ง ให้ลองอัปเดตตัวจัดการแพ็กเกจด้วยคำสั่ง python -m pip install --upgrade pip ก่อนรันใหม่อีกครั้ง

คำสั่งสำหรับส่งออก (Export) รายชื่อไลบรารีและแพ็กเกจ Python ทั้งหมดที่ติดตั้งอยู่ในสภาพแวดล้อมขณะนั้น ไปบันทึกเก็บไว้ในไฟล์ requirements.txt:

Bash
pip freeze > requirements.txt
ขั้นตอนการใช้งาน

  1. เปิด Terminal (macOS/Linux) หรือ Command Prompt / PowerShell (Windows)

  2. ใช้คำสั่ง cd เพื่อเปลี่ยน Directory ไปยังโฟลเดอร์โปรเจกต์ของคุณ

  3. รันคำสั่งด้านบนเพื่อสร้างหรือเขียนทับไฟล์ requirements.txt

ข้อควรระวัง

  • หากรันคำสั่งนี้โดยไม่ได้เปิดใช้งาน Virtual Environment (venv) คำสั่งจะดึงรายชื่อแพ็กเกจทั้งหมดที่เคยติดตั้งไว้ใน Python หลักของเครื่องมาลงไฟล์ ซึ่งอาจรวมแพ็กเกจที่ไม่จำเป็นสำหรับโปรเจกต์นั้นๆ เข้าไปด้วย

การใช้ pipreqs จะช่วยสแกนไฟล์โค้ด .py ในโปรเจกต์และดึงมาเฉพาะไลบรารีที่มีการ import ใช้งานจริง ซึ่งแก้ปัญหาการบันทึกไลบรารีที่ไม่เกี่ยวข้องติดไปด้วยเหมือนการใช้ pip freeze

ขั้นตอนการใช้งาน

  1. ติดตั้งเครื่องมือ pipreqs (ทำเพียงครั้งแรก):

Bash
pip install pipreqs
  1. เปิด Terminal หรือ Command Prompt แล้วย้ายเข้าโฟลเดอร์โปรเจกต์:

Bash
cd /path/to/your/project
  1. รันคำสั่งสแกนและสร้างไฟล์:

Bash
pipreqs ./
ตัวเลือกเสริมที่ใช้บ่อย

  • เขียนทับไฟล์เดิม: หากมีไฟล์ requirements.txt อยู่แล้ว ให้ใส่ --force เพื่อเขียนทับ

    Bash
    pipreqs ./ --force
    
  • ระบุ Encoding: หากเกิดข้อผิดพลาดเกี่ยวกับภาษา/อักขระ (Encoding Error) ให้ระบุ UTF-8
    Bash
    pipreqs ./ --encoding=utf-8
    


ส่งออกย้าย Environment บน Conda (ไฟล์ environment.yml) หากต้องการบันทึกโครงสร้างแพ็กเกจทั้งหมดรวมถึงตัว Python Version เพื่อนำไปย้ายสภาพแวดล้อมระหว่าง Conda ด้วยกัน แนะนำให้สร้างไฟล์ .yml แทน:

Bash
conda env export > environment.yml

(เมื่อต้องการนำไปติดตั้งในเครื่องอื่น ให้ใช้คำสั่ง conda env create -f environment.yml)


การจัดการแพ็กเกจด้วย requirements.txt บน PyCharm สามารถทำได้ผ่านทั้งหน้าต่าง GUI ของโปรแกรมและคำสั่ง Terminal

1. สร้างไฟล์ requirements.txt ผ่าน PyCharm GUI (แนะนำ)
PyCharm มีฟีเจอร์ช่วยสร้างไฟล์นี้ให้อัตโนมัติโดยไม่ต้องพิมพ์คำสั่ง:

  • คลิกขวาที่โฟลเดอร์โปรเจกต์ (ฝั่งซ้ายในช่อง Project Tree)

  • เลือก NewFile แล้วตั้งชื่อไฟล์ว่า requirements.txt

  • เมื่อเปิดไฟล์ขึ้นมา หาก PyCharm ตรวจพบแพ็กเกจที่ใช้อยู่ในโปรเจกต์ จะมีแถบสีเหลืองแจ้งเตือนขึ้นมาด้านบน ให้คลิก Write requirements to file เพื่อดึงรายชื่อแพ็กเกจลงไฟล์ทันที

2. รันคำสั่งสร้างไฟล์ผ่าน Terminal ใน PyCharm
เปิดแท็บ Terminal ด้านล่างของ PyCharm (ตัวโปรแกรมจะเปิด Virtual Environment ของโปรเจกต์ให้โดยอัตโนมัติ) แล้วเลือกใช้คำสั่งตามความต้องการ:

  • บันทึกแพ็กเกจทั้งหมดใน Environment:

    Bash
    pip freeze > requirements.txt
    
  • สแกนเฉพาะไลบรารีที่ถูก import ใช้งานจริง (ใช้ pipreqs):

    Bash
    pip install pipreqs
    pipreqs ./ --force
    
3. ติดตั้งแพ็กเกจจาก requirements.txt บน PyCharm

  • เมื่อคุณเปิดไฟล์ requirements.txt ขึ้นมา PyCharm จะแสดงแถบแจ้งเตือนสีเหลืองด้านบนว่า Package requirements are not satisfied ให้คลิก Install requirements ที่มุมขวาบนของแถบนั้นได้ทันที

  • หรือรันคำสั่งในแท็บ Terminal ด้านล่าง:
    Bash
    pip install -r requirements.txt
    


การสร้างไฟล์ requirements.txt บน Jupyter Notebook สามารถพิมพ์รันคำสั่ง Shell Command (ขึ้นต้นด้วย !) ลงใน Cell ของ Notebook ได้เลย

1. บันทึกแพ็กเกจทั้งหมดใน Environment (ใช้ pip freeze)
พิมพ์คำสั่งในช่อง Cell แล้วกด Shift + Enter เพื่อรัน:

Python
!pip freeze > requirements.txt
2. สแกนเฉพาะไลบรารีที่ถูก import ใช้งานจริง (ใช้ pipreqs)
หากมีไลบรารีในเครื่องเยอะเกินไป และต้องการดึงมาเฉพาะที่ใช้จริงในไฟล์ .ipynb หรือ .py:

Python
!pip install pipreqs
!pipreqs ./ --force --ignore-notebooks  # หากต้องการสแกนรวมไฟล์ .ipynb ให้รัน !pipreqs ./ --force
3. ติดตั้งแพ็กเกจจาก requirements.txt ผ่าน Notebook
หากต้องการสั่งติดตั้งแพ็กเกจจากไฟล์ requirements.txt เข้า Environment ที่ Jupyter กำลังใช้อยู่:
Python
!pip install -r requirements.txt

ความคิดเห็น

โพสต์ยอดนิยมจากบล็อกนี้

Anvil แฟลต์ฟอร์ม สำหรับ Python Full Stack มีครบ จบในเครื่องมือเดียว

Anvil แฟลต์ฟอร์ม สำหรับ Python Full Stack มีครบ จบในเครื่องมือเดียว Avil เป็นแฟลต์ฟอร์มสำหรับสร้างเว็บแอพลิเคชั่น ด้วยภาษา python สามารถใช้งานทั้ง HTML CSS JavaScript SQL ทั้งหมดนี้รวมในเครื่องมือที่ชื่อว่า Anvil Python ใช้สำหรับรันบนบราวเซอร์ เซอร์เวิรส์ และสร้าง UI ด้วยวิธีการ Drag-and-Drop เพียงลากวาง UK และยังสามารถเชื่อมต่อและใช้งาน Database  และยังสามารถ Integration กับแฟลต์ฟอร์มอื่นๆ ได้อีกด้วย โครงสร้างของ Anvil  การออกแบบง่ายๆ ด้วย drag-and-drop ใช้ python เป็น client-side และรันบน บราวเซอร์ Server-side รันบน Anvil Server สามารถใช้ Database ต่างๆ เพื่อเก็บข้อมูล สามารถรัน python บนเครื่องและตอบโต้กับแอปพลิเคขั่นไดด้

อะไรคือ NPU (Neural Processing Unit) มีความสำคัญอย่างไร แนวคิดมาจากไหน

ความหมาของคำว่า NPU (Neural Processing Unit)  NPU (Neural Processing Unit) คือ หน่วยประมวลผลโครงข่ายประสาทที่สร้างมาเพื่อใช้งานด้านปัญญาประดิษฐ์ เป็นหน่วยประมวลผลพิเศษที่ออกแบบมาเพื่อใช้ในแนวคิดของการเรียนรู้ของเครื่อง (Machine Learning) ของคอมพิวเตอร์โดยเฉพาะ ทำให้การประมวลผล AI ทรงประสิทธิภาพเพิ่มขึ้นจากเดิมของ TPU GPU และ CPU เช่น การจดจำภาพ, วิเคราะห์เสียง, หรือการแปลภาษา ทำได้รวดเร็วและประหยัดพลังงานกว่า CPU/GPU ทั่วไป โดยทำงานคล้ายโครงข่ายประสาทของมนุษย์ และพบได้ทั้งในสมาร์ตโฟน, คอมพิวเตอร์ (PC), และอุปกรณ์ AI อื่นๆ ในอนาคต เพื่อเร่งความเร็วของการทำงานของ AI สามารถจัดการงานและปัญหาที่ซับซ้อนได้อย่างมีประสิทธิภาพ  ประวัติความเป็นมาของ NPU (Neural Processing Unit)  ตั้งแต่ปี 1970 เป็นต้นมาเราได้ใช้เริ่มมีการใช้หน่วยการประมวลผลแบบดั้งเดิม คือ หน่วยประมวลผลกลาง (CPU) ถือเป็น "สมอง" และเป็นกลไกการทำงานของคอมพิวเตอร์ ดังนั้นซีพียู CPU ประมวลผลงานคำนวณแบบดั้งเดิมส่วนใหญ่มีหน้าที่รับผิดชอบการทำงานของแอปพลิเคชันให้มีศักยภาพหลากหลายเพิ่มมาเรื่อย แม้ว่าจะมีหลายประเภท แต่โดยทั่...

TomCat สำหรับติดตั้ง แก้ไข คอนฟิก ใช้งาน JSP

Apache Tomcat เป็น  HTTP Server ที่มีความสามารถนำภาษาจาวามาใช้งานได้  สามารถใช้เทคโนโลยีของภาษาจาวาที่เรียกว่า Java Servlet  และ Java Server Page (JSP)  Tomcat เป็นโปรแกรม Open-Source  อยู่ภายใต้การดูแลของ Apache Software Foundation  (ซึ่งเป็นผู้สร้าง Apache HTTP Server ที่เป็นที่นิยมใช้กันอย่างแพร่หลาย)  สามารถอ่านรายละเอียดของ Tomcat ได้ที่  http://tomcat.apache.org  โดยเลือกหัวข้อ “ Documentation”  และเลือก “Tomcat 7.0” ขั้นตอนการติดตั้ง Tomcat เรียงลำดับดังนี้