Comment télécharger et installer Tensorflow dans Jupyter Carnets

Dans ce tutoriel, nous expliquerons comment installer TensorFlow Anaconda Windows. Vous apprendrez à utiliser TensorFlow dans Jupyter Carnet. Jupyter est une visionneuse de notebook.

Versions de TensorFlow

TensorFlow prend en charge les calculs sur plusieurs CPU et GPU. Cela signifie que les calculs peuvent être répartis sur plusieurs appareils pour améliorer la vitesse de formation. Avec la parallélisation, vous n'avez pas besoin d'attendre des semaines pour obtenir les résultats des algorithmes d'entraînement.

Pour Windows utilisateur, TensorFlow propose deux versions :

• TensorFlow avec prise en charge du processeur uniquement: Si votre machine ne fonctionne pas sur le GPU NVIDIA, vous ne pouvez installer que cette version
• TensorFlow avec prise en charge GPU : Pour un calcul plus rapide, vous pouvez télécharger la version prise en charge par TensorFlow GPU. Cette version n'a de sens que si vous avez besoin d'une forte capacité de calcul.

Lors de ce tutoriel, la version de base de TensorFlow est suffisante.

Remarque: TensorFlow ne fournit pas de prise en charge GPU sur MacOS.

Voici comment procéder

Utilisateur Mac OS :

• Installer Anaconda
• Créez un fichier .yml pour installer Tensorflow et ses dépendances
• Lancement Jupyter Carnets

Pour Windows

• Installer Anaconda
• Créez un fichier .yml pour installer les dépendances
• Utilisez pip pour ajouter TensorFlow
• Lancement Jupyter Carnets

Pour exécuter Tensorflow avec Jupyter, vous devez créer un environnement au sein d'Anaconda. Cela signifie que vous allez installer Ipython, Jupyter, et TensorFlow dans un dossier approprié à l'intérieur de notre machine. En plus de cela, vous ajouterez une bibliothèque essentielle pour science des données: "Pandas". La bibliothèque Pandas permet de manipuler un bloc de données.

Installer Anaconda

Télécharger Anaconda version 4.3.1 (pour Python 3.6) pour le système approprié.

Anaconda vous aidera à gérer toutes les bibliothèques nécessaires soit pour Python ou R. Reportez-vous à ce tutoriel pour installer Anaconda

Créer un fichier .yml pour installer Tensorflow et ses dépendances

Il comprend

• Localiser le chemin d'Anaconda
• Définissez le répertoire de travail sur Anaconda
• Créez le fichier yml (pour les utilisateurs de MacOS, TensorFlow est installé ici)
• Modifier le fichier yml
• Compilez le fichier yml
• Activer Anaconda
• Installer TensorFlow (Windows utilisateur uniquement)

Étape 1) Localisez Anaconda,

La première étape à faire est de localiser le chemin d’Anaconda.

Vous allez créer un nouvel environnement conda qui inclut les bibliothèques nécessaires que vous utiliserez lors des didacticiels sur TensorFlow.

Windows

Si vous êtes Windows utilisateur, vous pouvez utiliser Anaconda Prompt et taper :

C:\>where anaconda

Nous souhaitons connaître le nom du dossier dans lequel Anaconda est installé car nous souhaitons créer notre nouvel environnement à l’intérieur de ce chemin. Par exemple, dans l'image ci-dessus, Anaconda est installé dans le dossier Admin. Pour vous, cela peut être la même chose, c'est-à-dire l'administrateur ou le nom de l'utilisateur.

Dans la suite, nous définirons le répertoire de travail de c:\ à Anaconda3.

MacOS

pour les utilisateurs MacOS, vous pouvez utiliser le Terminal et taper :

which anaconda

Vous devrez créer un nouveau dossier dans Anaconda qui contiendra Ipython, Jupyter et la TensorFlow. Un moyen rapide d'installer des bibliothèques et des logiciels consiste à écrire un fichier yml.

Étape 2) Définir le répertoire de travail

Vous devez spécifier le répertoire de travail dans lequel vous souhaitez créer le fichier yml.

Comme dit précédemment, il sera situé à l’intérieur d’Anaconda.

Pour les utilisateurs de MacOS :

Le terminal définit le répertoire de travail par défaut sur Utilisateurs/NOM D'UTILISATEUR. Comme vous pouvez le voir sur la figure ci-dessous, le chemin d'anaconda3 et le répertoire de travail sont identiques. Sous MacOS, le dernier dossier est affiché avant le $. Le Terminal installera toutes les bibliothèques de ce répertoire de travail.

Si le chemin sur l'éditeur de texte ne correspond pas au répertoire de travail, vous pouvez le modifier en écrivant cd PATH dans le Terminal. PATH est le chemin que vous avez collé dans l'éditeur de texte. N'oubliez pas d'envelopper le PATH avec 'PATH'. Cette action changera le répertoire de travail en PATH.

Ouvrez votre terminal et tapez :

cd anaconda3

Pour Windows user (assurez-vous du dossier avant Anaconda3) :

cd C:\Users\Admin\Anaconda3

ou la commande chemin « où anaconda » vous donne

Étape 3) Créer le fichier yml

Vous pouvez créer le fichier yml dans le nouveau répertoire de travail.

Le fichier installera les dépendances dont vous avez besoin pour exécuter TensorFlow. Copiez et collez ce code dans le terminal.

Pour les utilisateurs de MacOS :

touch hello-tf.yml

Un nouveau fichier nommé hello-tf.yml devrait apparaître dans anaconda3

Pour Windows utilisateur:

echo.>hello-tf.yml

Un nouveau fichier nommé hello-tf.yml devrait apparaître

Étape 4) Modifier le fichier yml

Vous êtes prêt à modifier le fichier yml.

Pour les utilisateurs de MacOS :

Vous pouvez coller le code suivant dans le terminal pour modifier le fichier. L'utilisateur de MacOS peut utiliser entrain pour éditer le fichier yml.

vi hello-tf.yml

Jusqu'à présent, votre terminal ressemble à ceci

Vous saisissez un éditer mode. Dans ce mode, vous pouvez, après avoir appuyé sur Esc :

• Appuyez sur i pour modifier
• Appuyez sur w pour enregistrer
• Appuyez sur q ! quitter

Écrivez le code suivant en mode édition et appuyez sur esc suivi de :w

Remarque: Le dossier est le cas et la avoir l'intention de être sensible. 2 espaces sont requis après chaque intention.

Pour Mac OS

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

Explication du code

• name : hello-tf : Nom du fichier yml
• dépendances :
• python=3.6
• Jupyter
• python
• pandas: Installer Python version 3.6, Jupyter, Ipython et bibliothèques pandas
• pip : Installer un Python bibliothèque
  • https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Install TensorFlow from Google apis.

Appuyez sur Échap suivi de :q ! à tout à fait le mode d'édition.

Pour Windows Utilisateur:

Windows n'a pas de programme vim, le Bloc-notes suffit donc pour terminer cette étape.

notepad hello-tf.yml

Entrez ce qui suit dans le fichier

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

Explication du code

• name : hello-tf : Nom du fichier yml
• dépendances :
• python=3.6
• Jupyter
• python
• pandas : installer Python version 3.6, Jupyter, Ipython et bibliothèques pandas

Cela ouvrira le bloc-notes, vous pourrez modifier le fichier à partir d'ici.

Remarque: Windows les utilisateurs installeront TensorFlow à l'étape suivante. Dans cette étape, vous préparez uniquement l'environnement conda

Étape 5) Compilez le fichier yml

Vous pouvez compiler le fichier .yml avec le code suivant :

conda env create -f hello-tf.yml

Remarque: Pour Windows utilisateurs, le nouvel environnement est créé dans le répertoire utilisateur actuel.

Cela prend du temps. Cela prendra environ 1.1 Go d’espace sur votre disque dur.

In Windows

Étape 6) Activer l'environnement conda

Nous avons presque fini. Vous disposez maintenant de 2 environnements conda.

Vous avez créé un environnement conda isolé avec les bibliothèques que vous utiliserez pendant les didacticiels. Il s'agit d'une pratique recommandée car chaque machine learning le projet nécessite différentes bibliothèques. Une fois le projet terminé, vous pouvez supprimer ou non cet environnement.

conda env list

L'astérisque indique celui par défaut. Vous devez passer à hello-tf pour activer l'environnement

Pour les utilisateurs de MacOS :

source activate hello-tf

Pour Windows utilisateur:

activate hello-tf

Vous pouvez vérifier que toutes les dépendances sont dans le même environnement. Ceci est important car cela permet Python à utiliser Jupyter et TensorFlow à partir du même environnement. Si vous ne voyez pas les trois dans le même dossier, vous devez tout recommencer.

Pour les utilisateurs de MacOS :

which python
which jupyter
which ipython

Optionnel: Vous pouvez vérifier la mise à jour.

pip install --upgrade tensorflow

Étape 7) Installer TensorFlow pour Windows utilisateur

Pour l'utilisateur Windows :

where python
where jupyter
where ipython

Comme vous pouvez le constater, vous en avez désormais deux Python environnements. Le principal et le nouveau créé sur ie hello-tf. L'environnement principal de conda n'a pas tensorFlow installé, seulement hello-tf. D'après l'image, python, jupyter et ipython sont installés dans le même environnement. Cela signifie que vous pouvez utiliser TensorFlow avec un Jupyter Carnet.

Vous devez installer TensorFlow à l'aide de la commande pip. Seulement pour Windows utilisateur

pip install tensorflow

Comment importer Tensorflow dans Jupyter Carnets

Cette partie est la même pour les deux systèmes d'exploitation. Voyons maintenant comment importer TensorFlow dans Jupyter Carnet.

Vous pouvez ouvrir TensorFlow avec Jupyter.

Remarque: Chaque fois que vous souhaitez ouvrir TensorFlow, vous devez initialiser l'environnement

Vous procéderez comme suit :

• Activer l'environnement hello-tf conda
• Open Jupyter
• Importer un flux tensoriel
• Supprimer le bloc-notes
• Fermer Jupyter

Étape 1) Activer conda

Pour les utilisateurs de MacOS :

source activate hello-tf

Pour Windows utilisateur:

conda activate hello-tf

Étape 2) Open Jupyter

Après cela, vous pouvez ouvrir Jupyter depuis l'aérogare

jupyter notebook

Votre navigateur devrait s'ouvrir automatiquement, sinon copiez et collez l'url fournie par le Terminal. Cela commence par http://localhost:8888

À l'intérieur de TensorFlow Jupyter Notebook, vous pouvez voir tous les fichiers dans le répertoire de travail. Pour créer un nouveau Notebook, il vous suffit de cliquer sur nouvelle et la Python 3

Remarque: Le nouveau bloc-notes est automatiquement enregistré dans le répertoire de travail.

Étape 3) Importer Tensorflow

Dans le notebook, vous pouvez importer TensorFlow dans Jupyter Carnet avec l'alias tf. Cliquez pour exécuter. Une nouvelle cellule est créée ci-dessous.

import tensorflow as tf

Écrivons votre premier code avec TensorFlow.

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

Un nouveau tenseur est créé. Félicitation. Vous avez réussi à installer TensorFlow avec Jupyter sur votre appareil.

Étape 4) Supprimer le fichier

Vous pouvez supprimer le fichier nommé Untitled.ipynb dans Jupyer.

Étape 5) Fermer Jupyter

Il y a deux façons de fermer Jupyter. La première façon est directement à partir du cahier. La deuxième façon consiste à utiliser le terminal (ou Anaconda Prompt)

Dès Jupyter

Dans le panneau principal de Jupyter Carnet, cliquez simplement sur Déconnexion

Vous êtes redirigé vers la page de déconnexion.

Depuis la borne

Sélectionnez le terminal ou l'invite Anaconda et exécutez deux fois ctr+c.

La première fois que vous exécutez ctr+c, il vous est demandé de confirmer que vous souhaitez arrêter le portable. Répétez ctr+c pour confirmer

Vous vous êtes déconnecté avec succès.

Jupyter avec l'environnement conda principal

Si vous souhaitez lancer TensorFlow avec jupyter pour une utilisation future, vous devez ouvrir une nouvelle session avec

source activate hello-tf

Sinon, Jupyter je ne trouverai pas TensorFlow