Jak stáhnout a nainstalovat Tensorflow v Jupyter zápisník

⚡ Chytré shrnutí

TensorFlow se čistě instaluje v izolovaném prostředí Anaconda, které udržuje Python, Jupyter a framework se definuje na jednu cestu a zabraňuje kolizím verzí s každým dalším datovým projektem, který již existuje na stejném počítači.

  • 🔘 Vyberte si sestavení: Balík CPU je vhodný pro většinu studijních úkolů; sestavení s GPU vyžaduje kartu NVIDIA.
  • ☑️ Nejprve izolujte: Prostředí conda deklarované v souboru .yml udržuje závislosti reprodukovatelné.
  • (Tj. Windows další: Windows nejprve připraví prostředí a poté přidá TensorFlow pomocí pip install tensorflow.
  • 🧪 Ověřte cestu: Python, Jupyter a Ipython se musí všechny vyhodnocovat ve stejném prostředí.
  • 🛠️ Test importu: Příkaz import tensorflow as tf následovaný tf.constant dokazuje, že instalace funguje.
  • 🔒 Znovu aktivovat: Každá nová relace potřebuje před aktivací příkazu conda hello-tf. Jupyter začíná.

Stáhněte a nainstalujte TensorFlow v Jupyter zápisník

Instalace TensorFlow s Anacondou on Windows or macOS vyžaduje jedno prostředí conda a několik příkazů. Také se naučíte, jak do něj importovat TensorFlow. Jupyter zápisník, prohlížeč poznámkových bloků v prohlížeči.

Verze TensorFlow

TensorFlow podporuje výpočty napříč více CPU a GPU. To znamená, že výpočty mohou být distribuovány mezi zařízení, aby se zvýšila rychlost školení. S paralelizací nemusíte čekat týdny na získání výsledků trénovacích algoritmů.

Pro Windows Uživatelům nabízí TensorFlow dvě varianty sestavení:

  • TensorFlow pouze s podporou CPUPokud váš počítač nemá grafickou kartu NVIDIA, nainstalujte si tuto sestavu.
  • TensorFlow s podporou GPURychlejší pro trénování, ale nastavení se vyplatí pouze tehdy, když potřebujete skutečnou výpočetní kapacitu.

V tomto tutoriálu postačuje základní verze TensorFlow. Níže uvedená tabulka porovnává obě verze:

Kritérium Sestavení CPU Sestavení GPU
Balíček tensorflow (kolo procesoru) tensorflow s běhovým prostředím CUDA
technické vybavení Jakýkoli procesor x86 nebo ARM Grafická karta NVIDIA s podporou CUDA
Nejlepší pro Návody, malé modely Velké tréninkové běhy
Úsilí při nastavení Jeden příkaz Párování ovladačů, CUDA a cuDNN

Poznámka k verzi: TensorFlow 2.10 byla poslední verzí s nativním rozhraním. Windows Podpora GPU. Od verze 2.11 Windows Uživatelé spouštějí sestavení GPU uvnitř WSL2 nebo instalují balíček CPU. Počítače Apple Silicon Mac přidávají tensorflow-metal pro akceleraci.

Poznámka: TensorFlow neposkytuje podporu pro CUDA GPU. macOS.

Zde je návod, jak postupovat

macOS uživatelé:

  • Nainstalujte Anacondu
  • Vytvořte soubor .yml pro instalaci TensorFlow a závislostí
  • zahájit Jupyter zápisník

Windows uživatelé:

  • Nainstalujte Anacondu
  • Vytvořte soubor .yml pro instalaci závislostí
  • Použijte pip k přidání TensorFlow
  • zahájit Jupyter zápisník

Spuštění TensorFlow s Jupyter, vytvořit v rámci holdingu Anaconda specializované prostředíPython, Jupyter a TensorFlow. Přidejte jeden zásadní věda o datech také knihovna: pandy, který manipuluje s datovými rámci.

Nainstalujte Anacondu

Ke stažení Anaconda verze 4.3.1 (pro Python 3.6) pro příslušný systém.

Tyto verze jsou starší: aktuální TensorFlow 2.x se páruje s Python 3.9 až 3.12. Od roku 2024 vyžaduje výchozí kanál Anaconda placenou licenci i pro organizace s více než 200 lidmi, takže Miniconda nebo Miniforge s conda-forge je bezplatná cesta.

Anaconda spravuje knihovny potřebné pro Python or R, poté je nainstaluje pro každé prostředí.

Vytvořte soubor .yml pro instalaci TensorFlow a závislostí

To zahrnuje

  • Najděte cestu Anakondy
  • Nastavte pracovní adresář na Anaconda
  • Vytvořte soubor yml (pro uživatele MacOS je zde nainstalován TensorFlow)
  • Upravte soubor yml
  • Zkompilujte soubor yml
  • Aktivujte Anacondu
  • Nainstalujte TensorFlow (Windows pouze uživatel)

Krok 1) Najděte Anacondu,

Prvním krokem, který musíte udělat, je najít cestu Anakondy.

Vytvoříte prostředí conda, které bude obsahovat knihovny používané v tutoriálech o TensorFlow.

Windows

Pokud jste Windows uživatel, můžete použít Anaconda Prompt a zadejte:

C:\>where anaconda

Výpis příkazu Anaconda where anaconda na Windows

Zajímá nás název složky, kde je nainstalována Anaconda, protože v této cestě chceme vytvořit naše nové prostředí. Na obrázku výše se Anaconda nachází ve složce Admin; ta vaše bude mít vaše vlastní uživatelské jméno.

Dále přesunete pracovní adresář z c:\ do Anaconda3.

MacOS

Pro macOS uživatelé, otevřete terminál a zadejte:

which anaconda

Terminálový výstup příkazu which anaconda na macOS

Nyní vytvoříte složku uvnitř Anacondy, která bude obsahovat IPython, Jupyter a TensorFlowNejrychlejší způsob, jak deklarovat tyto knihovny, je soubor YML.

Krok 2) Nastavit pracovní adresář

Zadejte pracovní adresář, kde bude soubor yml vytvořen; jak je uvedeno výše, nachází se v Anacondě.

Pro macOS uživatelé:

Terminál je ve výchozím nastavení Uživatelé/USERNAMENa obrázku níže se cesta k souboru anaconda3 shoduje s pracovním adresářem; macOS zobrazuje aktuální složku před znakem $. Každá knihovna je tam nainstalována.

Pokud cesta v textovém editoru nesouhlasí, spusťte v terminálu příkaz cd PATH a uveďte cestu do uvozovek, pokud obsahuje mezery.

macOS Terminál zobrazující cestu k souboru anaconda3 jako pracovní adresář

Otevřete svůj terminál a zadejte:

cd anaconda3

Pro Windows Uživatelé, zkontrolujte složku, která předchází souboru Anaconda3:

cd C:\Users\Admin\Anaconda3

nebo cesta „kde anakonda“ vám dá příkaz

Windows výzva po změně adresáře do Anaconda3

Krok 3) Vytvořte soubor yml

Soubor yml můžete vytvořit v novém pracovním adresáři.

Soubor nainstaluje závislosti, které potřebujete ke spuštění TensorFlow. Zkopírujte a vložte tento kód do terminálu.

Pro uživatele MacOS:

touch hello-tf.yml

Uvnitř anaconda3 by se měl objevit nový soubor s názvem hello-tf.yml

macOS Terminál vytváří soubor hello-tf.yml pomocí příkazu touch

Pro Windows uživatel:

echo.>hello-tf.yml

Měl by se objevit nový soubor s názvem hello-tf.yml

Windows vyvolá vytvoření souboru hello-tf.yml pomocí příkazu echo

Krok 4) Upravte soubor yml

Jste připraveni upravit soubor yml.

Pro uživatele MacOS:

Chcete-li soubor upravit, můžete do terminálu vložit následující kód. Uživatel MacOS může použít vim pro úpravu souboru yml.

vi hello-tf.yml

Váš terminál zatím vypadá takto

Otevření souboru hello-tf.yml v editoru VI v terminálu

Zadáte an editovat režimu. V tomto režimu můžete po stisknutí klávesy esc:

  • Stisknutím tlačítka i spusťte úpravy
  • Stiskněte klávesu Esc a poté napište :w pro uložení
  • Stiskněte Esc a poté napište :q! pro ukončení bez uložení

Napište následující kód v režimu úprav a stiskněte esc následované :w

Seznam závislostí hello-tf.yml zadaný uvnitř vi

Poznámka: Soubor je případ a citlivé na odsazení. Pro každou úroveň odsazení jsou vyžadovány dvě mezery.

Pro MacOS

name: hello-tf
dependencies:
 - python=3.6
 - jupyter
 - ipython
 - pandas
 - pip:
 - https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl

Code Vysvětlení

  • jméno: hello-tf: Název souboru yml
  • závislosti:
  • python=3.6
  • jupyter
  • krajta
  • pandy: Nainstalujte Python 3.6, Jupyter, IPython a pandy.
  • pip: Nainstalujte a Python knihovna
    • Kolo URL: nainstalujte TensorFlow přímo z Google API pro úložiště.

Stiskněte klávesu Esc a následně :q! pro opuštění režimu úprav.

Uložený soubor hello-tf.yml zobrazený po ukončení vi

Pro Windows Uživatel:

Windows nemá žádný vim, takže pro tento krok stačí Poznámkový blok.

notepad hello-tf.yml

Do souboru zadejte následující

name: hello-tf
dependencies:
 - python=3.6
 - jupyter
 - ipython
 - pandas

Code Vysvětlení

  • jméno: hello-tf: Název souboru yml
  • závislosti:
  • python=3.6
  • jupyter
  • krajta
  • pandy: Nainstalujte Python 3.6, Jupyter, IPython a pandy.

Otevře se poznámkový blok, odtud můžete soubor upravit.

Soubor hello-tf.yml byl otevřen v Windows Notepad

Poznámka: Windows Uživatelé instalují TensorFlow v dalším kroku; zde pouze připravíte prostředí conda.

Krok 5) Zkompilujte soubor yml

Zkompilujte soubor .yml pomocí následujícího příkazu:

conda env create -f hello-tf.yml

Poznámka: Pro Windows uživatelů, nové prostředí se vytvoří v aktuálním uživatelském adresáři.

Zabere to čas a zhruba 1.1 GB místa na disku.

conda env create output řešící závislosti hello-tf na macOS

In Windows

conda env create output řešící závislosti hello-tf na Windows

Krok 6) Aktivujte prostředí conda

Nyní máte dvě prostředí conda.

Izolované prostředí je doporučenou praxí, protože každý strojové učení Projekt potřebuje jinou sadu knihoven a po skončení projektu ji můžete smazat.

conda env list

Seznam prostředí conda zobrazující základní prostředí a prostředí hello-tf

Hvězdička označuje aktivní prostředí. Pro jeho aktivaci přepněte na hello-tf. Moderní conda používá conda activate na všech platformách; source activate je zastaralý.

Pro uživatele MacOS:

source activate hello-tf

Pro Windows uživatel:

activate hello-tf

Terminálový příkaz po aktivaci prostředí hello-tf

Potvrďte, že každá závislost se řeší ve stejném prostředí, takže Python, Jupyter a TensorFlow sdílejí jeden prefix. Pokud se tyto tři cesty liší, znovu sestavte prostředí.

Pro uživatele MacOS:

which python
which jupyter
which ipython

který python, jupyter a ipython řeší uvnitř hello-tf na macOS

Volitelné: Zkontrolujte aktualizaci.

pip install --upgrade tensorflow

Krok 7) Nainstalujte TensorFlow For Windows uživatel

Pro Windows uživatelé:

where python
where jupyter
where ipython

kde python, jupyter a ipython řeší uvnitř hello-tf na Windows

Dvě Python Nyní existují prostředí: základní a hello-tf. Pouze hello-tf obsahuje TensorFlow. Na obrázku se Python, Jupyter a Ipython všechny resolvují do stejného prostředí, takže TensorFlow je použitelný z... Jupyter Notebook.

Windows Uživatelé instalují TensorFlow pomocí pipu:

pip install tensorflow

pip instaluje výstup tensorflow v prostředí hello-tf

Jak importovat TensorFlow do Jupyter zápisník

Tato část je v obou operačních systémech identická. Nezapomeňte, že prostředí je nutné aktivovat pokaždé, než spustíte TensorFlow.

Budete postupovat následovně:

  • Aktivujte prostředí hello-tf conda
  • Otevřená Jupyter
  • Importovat TensorFlow
  • Smazat Poznámkový blok
  • zavřít Jupyter

Krok 1) Aktivujte conda

Pro uživatele MacOS:

source activate hello-tf

Pro Windows uživatel:

conda activate hello-tf

Aktivace prostředí hello-tf conda před otevřením Jupyter

Krok 2) Otevřená Jupyter

Poté můžete otevřít Jupyter z Terminálu

jupyter notebook

Příkaz Jupyter Notebook pro spuštění serveru Notebook

Prohlížeč by se měl otevřít automaticky; jinak zkopírujte URL vytištěno terminálem, které začíná http://localhost:8888.

Na řídicím panelu se zobrazí seznam všech souborů v pracovním adresáři. Klikněte na Nový a Python 3 vytvořit si zápisník.

Poznámka: Nový zápisník se automaticky uloží do pracovního adresáře.

Jupyter řídicí panel s novým a Python 3 otevřené menu

Krok 3) Importovat TensorFlow

Uvnitř notebooku můžete importovat TensorFlow Jupyter Notebook s aliasem tf. Kliknutím spustíte. Níže se vytvoří nová buňka.

import tensorflow as tf

Buňka notebooku běží import tensorflow as tf

Pojďme napsat svůj první kód pomocí TensorFlow.

hello = tf.constant('Hello, Guru99!')
hello

Nový tensor je vytvořeno. Gratulujeme, TensorFlow nyní běží s Jupyter na vašem počítači.

Buňka poznámkového bloku vytvářející Hello, Guru99 konstantní tenzor

Krok 4) Smazat soubor

Odstraňte soubor s názvem Untitled.ipynb z Jupyter Přístrojová deska.

Odstranění souboru Untitled.ipynb z Jupyter přístrojová deska

Krok 5) zavřít Jupyter

Jupyter lze zavřít ze samotného notebooku nebo z terminálu (Anaconda Prompt na Windows).

od Jupyter

Na hlavním panelu Jupyter Notebook, stačí kliknout na Odhlásit

Tlačítko pro odhlášení v Jupyter Hlavní panel notebooku

Budete přesměrováni na odhlašovací stránku.

Jupyter stránka s potvrzením odhlášení

Z terminálu

Vyberte terminál nebo Anaconda Prompt a dvakrát stiskněte Ctrl+C.

První Ctrl+C vás požádá o potvrzení vypnutí; druhé ho potvrdí.

Terminál s dotazem na potvrzení vypnutí serveru notebooku

Terminál po Jupyter server se zastavil

Úspěšně jste se odhlásili.

Jupyter s hlavním prostředím conda

Spuštění TensorFlow pomocí Jupyter v budoucí relaci nejprve aktivujte prostředí:

source activate hello-tf

Bez toho kroku, Jupyter spustí se v základním prostředí a import se nezdaří.

Jupyter spuštěno ze základního prostředí conda bez TensorFlow

Nejčastější dotazy

Podpora pro nedávné verze TensorFlow Python 3.9 až 3.12. Uložte verzi do souboru .yml, aby conda vyřešila odpovídající kolo a vyhnula se Python sestavení novější než seznam poznámek k verzi.

TensorFlow je oficiálně dodáván s PyPI, takže pip install tensorflow uvnitř prostředí conda je podporovaná cesta. Použijte conda pro Python, Jupyter a pandy, pak pip pro samotný framework.

Spusťte tf.config.list_physical_devices('GPU') v buňce poznámkového bloku. Prázdný seznam znamená, že sestavení CPU je aktivní nebo verze CUDA a cuDNN neodpovídají požadavkům na vydání.

Jádro notebooku běží v jiném prostředí. Před spuštěním aktivujte příkaz hello-tf. Jupyter, nebo zaregistrujte prostředí jako jádro pomocí python -m ipykernel install –user –name hello-tf.

Spusťte conda env remove -n hello-tf ze základního prostředí. Nejprve jej deaktivujte a poté pomocí conda env list potvrďte, že položka byla odstraněna a místo na disku bylo uvolněno.

Nainstalujte tensorflow do nativního prostředí arm64 a poté přidejte plugin tensorflow-metal, aby Keras používal grafickou kartu Apple. Sestavení Rosetta běží, ale zcela ztratí akceleraci.

Copilot vytváří návrhy souborů .yml, příkazy pip a úryvky registrace jádra z prostého komentáře, což zkracuje instalaci. Před spuštěním čehokoli je stále třeba zkontrolovat PINy verzí v oficiálních poznámkách k vydání.

Asistenti nyní v poznámkovém bloku navrhují trénovací smyčky, rozsahy hyperparametrů a vysvětlují chyby. To zrychluje. strojové učení iterace, ačkoli hodnocení a kvalita dat zůstávají lidským rozhodnutím.

Shrňte tento příspěvek takto: