Sådan downloades og installeres Tensorflow i Jupyter Notesbog

I denne vejledning vil vi forklare, hvordan du installerer TensorFlow Anaconda Windows. Du lærer, hvordan du bruger TensorFlow i Jupyter Notebook. Jupyter er en notesbogsfremviser.

TensorFlow-versioner

TensorFlow understøtter beregninger på tværs af flere CPU'er og GPU'er. Det betyder, at beregningerne kan fordeles på tværs af enheder for at forbedre træningens hastighed. Med parallelisering behøver du ikke vente i flere uger for at få resultaterne af træningsalgoritmer.

Til Windows bruger, leverer TensorFlow to versioner:

• TensorFlow kun med CPU-understøttelse: Hvis din maskine ikke kører på NVIDIA GPU, kan du kun installere denne version
• TensorFlow med GPU-understøttelse: For hurtigere beregning kan du downloade TensorFlow GPU understøttet version. Denne version giver kun mening, hvis du har brug for stærk beregningskapacitet.

Under denne vejledning er den grundlæggende version af TensorFlow tilstrækkelig.

Bemærk: TensorFlow giver ikke GPU-understøttelse på MacOS.

Sådan kommer du videre

MacOS-bruger:

• Installer Anaconda
• Opret en .yml-fil for at installere Tensorflow og afhængigheder
• Launch Jupyter Notesbog

Til Windows

• Installer Anaconda
• Opret en .yml-fil for at installere afhængigheder
• Brug pip til at tilføje TensorFlow
• Launch Jupyter Notesbog

Til at køre Tensorflow med Jupyter, skal du skabe et miljø i Anaconda. Det betyder, at du vil installere Ipython, Jupyter, og TensorFlow i en passende mappe inde i vores maskine. Oven i dette vil du tilføje et væsentligt bibliotek til datalogi: "Pandaer". Pandas-biblioteket hjælper med at manipulere en dataramme.

Installer Anaconda

Hent Anaconda version 4.3.1 (til Python 3.6) for det relevante system.

Anaconda vil hjælpe dig med at administrere alle de biblioteker, der kræves enten for Python eller R. Henvis dette tutorial til at installere Anaconda

Opret .yml-fil for at installere Tensorflow og afhængigheder

Det omfatter

• Find stien til Anaconda
• Indstil arbejdsbiblioteket til Anaconda
• Opret yml-filen (For MacOS-brugere er TensorFlow installeret her)
• Rediger yml-filen
• Kompiler yml-filen
• Aktiver Anaconda
• Installer TensorFlow (Windows kun bruger)

Trin 1) Find Anaconda,

Det første skridt, du skal gøre, er at finde stien til Anaconda.

Du vil oprette et nyt conda-miljø, der inkluderer de nødvendige biblioteker, du vil bruge under selvstudierne om TensorFlow.

Windows

Hvis du er en Windows bruger, kan du bruge Anaconda Prompt og skrive:

C:\>where anaconda

Vi er interesserede i at vide navnet på den mappe, hvor Anaconda er installeret, fordi vi ønsker at skabe vores nye miljø inde i denne sti. For eksempel, på billedet ovenfor, er Anaconda installeret i Admin-mappen. For dig kan det det samme, altså Admin eller brugerens navn.

I det næste vil vi indstille arbejdsmappen fra c:\ til Anaconda3.

MacOS

for MacOS-brugere kan du bruge terminalen og skrive:

which anaconda

Du skal oprette en ny mappe inde i Anaconda, som vil indeholde Ipython, Jupyter og TensorFlow. En hurtig måde at installere biblioteker og software på er at skrive en yml-fil.

Trin 2) Indstil arbejdsmappe

Du skal angive den arbejdsmappe, hvor du vil oprette yml-filen.

Som sagt før, vil det være placeret inde i Anaconda.

For MacOS-brugere:

Terminalen indstiller standardarbejdsmappen til Brugere/BRUGERNAVN. Som du kan se i figuren nedenfor, er stien til anaconda3 og arbejdsmappen identiske. I MacOS vises den seneste mappe før $. Terminalen installerer alle bibliotekerne i denne arbejdsmappe.

Hvis stien på teksteditoren ikke matcher arbejdsmappen, kan du ændre den ved at skrive cd PATH i terminalen. PATH er den sti, du indsatte i teksteditoren. Glem ikke at pakke PATH med 'PATH'. Denne handling vil ændre arbejdsbiblioteket til PATH.

Åbn din terminal, og skriv:

cd anaconda3

Til Windows bruger (sørg for mappen før Anaconda3):

cd C:\Users\Admin\Anaconda3

eller stien "hvor anaconda"-kommandoen giver dig

Trin 3) Opret yml-filen

Du kan oprette yml-filen inde i den nye arbejdsmappe.

Filen installerer de afhængigheder, du skal bruge for at køre TensorFlow. Kopiér og indsæt denne kode i terminalen.

For MacOS-brugere:

touch hello-tf.yml

En ny fil med navnet hello-tf.yml skulle vises inde i anaconda3

Til Windows bruger:

echo.>hello-tf.yml

En ny fil med navnet hello-tf.yml skulle dukke op

Trin 4) Rediger yml-filen

Du er klar til at redigere yml-filen.

For MacOS-brugere:

Du kan indsætte følgende kode i terminalen for at redigere filen. MacOS-bruger kan bruge vim for at redigere yml-filen.

vi hello-tf.yml

Indtil videre ser din terminal sådan ud

Du indtaster en redigere mode. Inde i denne tilstand kan du, efter at du har trykket på esc:

• Tryk på i for at redigere
• Tryk på w for at gemme
• Tryk på q! at holde op

Skriv følgende kode i redigeringstilstand og tryk på esc efterfulgt af :w

Bemærk: Filen er sag og har til hensigt at være følsom. Der kræves 2 pladser efter hver hensigt.

Til MacOS

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

Kode Forklaring

• navn: hello-tf: Navn på yml-filen
• afhængigheder:
• python=3.6
• jupyter
• python
• pandaer: Installer Python version 3.6, Jupyter, Ipython og pandas biblioteker
• pip: Installer en Python bibliotek
  • https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Install TensorFlow from Google apis.

Tryk på esc efterfulgt af :q! til ret redigeringstilstand.

Til Windows Bruger:

Windows har ikke vim-program, så Notesblok er nok til at fuldføre dette trin.

notepad hello-tf.yml

Indtast følgende i filen

name: hello-tfdependencies:  
- python=3.6  
- jupyter  
- ipython  
- pandas

Kode Forklaring

• navn: hello-tf: Navn på yml-filen
• afhængigheder:
• python=3.6
• jupyter
• python
• pandaer: Installer Python version 3.6, Jupyter, Ipython og pandas biblioteker

Det åbner notesblokken, du kan redigere filen herfra.

Bemærk: Windows brugere vil installere TensorFlow i næste trin. I dette trin forbereder du kun conda-miljøet

Trin 5) Kompiler yml-filen

Du kan kompilere .yml-filen med følgende kode:

conda env create -f hello-tf.yml

Bemærk: Til Windows brugere, oprettes det nye miljø inde i den aktuelle brugermappe.

Det tager tid. Det vil tage omkring 1.1 gb plads på din harddisk.

In Windows

Trin 6) Aktiver conda-miljøet

Vi er næsten færdige. Du har nu 2 conda-miljøer.

Du har oprettet et isoleret conda-miljø med de biblioteker, du vil bruge under selvstudierne. Dette er en anbefalet praksis, fordi hver machine learning projektet kræver forskellige biblioteker. Når projektet er slut, kan du fjerne dette miljø eller ej.

conda env list

Stjernen angiver standarden. Du skal skifte til hello-tf for at aktivere miljøet

For MacOS-brugere:

source activate hello-tf

Til Windows bruger:

activate hello-tf

Du kan kontrollere, at alle afhængigheder er i det samme miljø. Dette er vigtigt, fordi det tillader Python at anvende Jupyter og TensorFlow fra samme miljø. Hvis du ikke kan se de tre af dem placeret i samme mappe, skal du starte forfra.

For MacOS-brugere:

which python
which jupyter
which ipython

Valgfrit: Du kan tjekke for opdatering.

pip install --upgrade tensorflow

Trin 7) Installer TensorFlow For Windows bruger

For Windows-brugere:

where python
where jupyter
where ipython

Som du kan se, har du nu to Python miljøer. Den vigtigste og den nyoprettede på dvs. hello-tf. Det primære conda-miljø har ikke tensorFlow installeret kun hello-tf. Fra billedet er python, jupyter og ipython installeret i samme miljø. Det betyder, at du kan bruge TensorFlow med en Jupyter Notebook.

Du skal installere TensorFlow ved hjælp af pip-kommando. Kun for Windows bruger

pip install tensorflow

Sådan importeres Tensorflow til Jupyter Notesbog

Denne del er den samme for begge OS. Lad os nu lære, hvordan du importerer TensorFlow ind Jupyter Notebook.

Du kan åbne TensorFlow med Jupyter.

Bemærk: Hver gang du vil åbne TensorFlow, skal du initialisere miljøet

Du vil fortsætte som følger:

• Aktiver hello-tf conda miljø
• Åbne Jupyter
• Importer tensorflow
• Slet notesbog
• Luk Jupyter

Trin 1) Aktiver conda

For MacOS-brugere:

source activate hello-tf

Til Windows bruger:

conda activate hello-tf

Trin 2) Åbne Jupyter

Derefter kan du åbne Jupyter fra terminalen

jupyter notebook

Din browser bør åbne automatisk, ellers kopier og indsæt url'en fra terminalen. Det starter med http://localhost:8888

Inde i TensorFlow Jupyter Notebook, du kan se alle filerne i arbejdsmappen. For at oprette en ny notesbog klikker du blot på ny og Python 3

Bemærk: Den nye notesbog gemmes automatisk i arbejdsbiblioteket.

Trin 3) Importer Tensorflow

Inde i notesbogen kan du importere TensorFlow ind Jupyter Notesbog med tf alias. Klik for at køre. En ny celle oprettes nedenfor.

import tensorflow as tf

Lad os skrive din første kode med TensorFlow.

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

En ny tensor oprettes. Tillykke. Du har installeret TensorFlow med Jupyter på din maskine.

Trin 4) Slet fil

Du kan slette filen med navnet Untitled.ipynb inde i Jupyer.

Trin 5) Luk Jupyter

Der er to måder at lukke på Jupyter. Den første måde er direkte fra notesbogen. Den anden måde er ved at bruge terminalen (eller Anaconda-prompt)

Fra Jupyter

I hovedpanelet af Jupyter Notesbog, klik blot på Log ud

Du bliver omdirigeret til log ud-siden.

Fra terminalen

Vælg terminal- eller Anaconda-prompten og kør to gange ctr+c.

Første gang du laver ctr+c, bliver du bedt om at bekræfte, at du vil lukke notesbogen ned. Gentag ctr+c for at bekræfte

Du har logget ud.

Jupyter med det primære conda-miljø

Hvis du vil starte TensorFlow med jupyter til fremtidig brug, skal du åbne en ny session med

source activate hello-tf

Hvis du ikke gør det Jupyter vil ikke finde TensorFlow