Tensorflow को कैसे डाउनलोड और इंस्टॉल करें? Jupyter नोटबुक

द्वारा: एवलिन क्लार्क एवलिन क्लार्क
Hours Updated

⚡ स्मार्ट सारांश

TensorFlow एक पृथक Anaconda वातावरण के भीतर आसानी से स्थापित हो जाता है, जो इसे सुरक्षित रखता है। Python, Jupyter और यह फ्रेमवर्क एक ही पथ पर केंद्रित होता है और उसी मशीन पर पहले से मौजूद अन्य सभी डेटा प्रोजेक्ट के साथ संस्करण टकराव को रोकता है।

  • 🔘 एक बिल्ड चुनें: सीपीयू पैकेज अधिकांश शिक्षण कार्यों के लिए उपयुक्त है; जीपीयू बिल्ड के लिए एनवीडिया कार्ड की आवश्यकता होती है।
  • ️ पहले अलग करें: .yml फ़ाइल में घोषित किया गया एक कोंडा वातावरण निर्भरताओं को पुनरुत्पादित करने योग्य बनाए रखता है।
  • ✅ Windows अतिरिक्त: Windows पहले वातावरण तैयार करता है, फिर pip install tensorflow कमांड का उपयोग करके TensorFlow जोड़ता है।
  • 🧪 पथ की पुष्टि करें: python, jupyter और ipython तीनों को एक ही वातावरण के भीतर हल होना चाहिए।
  • ️ आयात परीक्षण: import tensorflow as tf के बाद tf.constant का उपयोग करने से यह सिद्ध हो जाता है कि इंस्टॉलेशन काम करता है।
  • 🔒 पुनः सक्रिय करें: प्रत्येक नए सत्र के लिए conda activate hello-tf कमांड की आवश्यकता होती है। Jupyter शुरू होता है।
विस्तार में पढ़ें

TensorFlow को डाउनलोड और इंस्टॉल करें Jupyter नोटबुक

का अधिष्ठापन एनाकोंडा के साथ टेन्सरफ्लो on Windows or macOS इसके लिए एक कोंडा एनवायरनमेंट और कुछ कमांड की आवश्यकता होती है। आप यह भी सीखेंगे कि टेन्सरफ्लो को कैसे इम्पोर्ट किया जाए। Jupyter नोटबुकब्राउज़र-आधारित नोटबुक व्यूअर।

TensorFlow संस्करण

TensorFlow कई CPU और GPU पर गणनाओं का समर्थन करता है। इसका मतलब है कि प्रशिक्षण की गति को बेहतर बनाने के लिए गणनाओं को डिवाइस में वितरित किया जा सकता है। समानांतरीकरण के साथ, आपको प्रशिक्षण एल्गोरिदम के परिणाम प्राप्त करने के लिए हफ्तों तक इंतजार करने की आवश्यकता नहीं है।

के लिए Windows उपयोगकर्ताओं के लिए, TensorFlow दो बिल्ड वेरिएंट प्रदान करता है:

  • TensorFlow केवल CPU समर्थन के साथयदि आपके कंप्यूटर में NVIDIA GPU नहीं है, तो इस बिल्ड को इंस्टॉल करें।
  • GPU समर्थन के साथ TensorFlowप्रशिक्षण के लिए तेज़, लेकिन सेटअप करने लायक तभी है जब आपको वास्तविक कम्प्यूटेशनल क्षमता की आवश्यकता हो।

इस ट्यूटोरियल के दौरान, TensorFlow का बेसिक वर्जन ही पर्याप्त है। नीचे दी गई तालिका दोनों बिल्ड की तुलना करती है:

कसौटी सीपीयू निर्माण जीपीयू बिल्ड
पैकेज टेन्सरफ्लो (सीपीयू व्हील) CUDA रनटाइम के साथ टेन्सरफ्लो
हार्डवेयर कोई भी x86 या ARM प्रोसेसर CUDA समर्थित NVIDIA कार्ड
के लिए सबसे अच्छा ट्यूटोरियल, छोटे मॉडल बड़े प्रशिक्षण अभियान
सेटअप प्रयास एक आदेश ड्राइवर, CUDA और cuDNN मिलान

संस्करण नोट: TensorFlow 2.10 नेटिव के साथ अंतिम रिलीज़ थी Windows जीपीयू सपोर्ट। 2.11 के बाद से, Windows उपयोगकर्ता WSL2 के अंदर GPU बिल्ड चलाते हैं या CPU पैकेज इंस्टॉल करते हैं। Apple Silicon Mac एक्सेलरेशन के लिए tensorflow-metal जोड़ते हैं।

नोट: TensorFlow निम्नलिखित पर CUDA GPU समर्थन प्रदान नहीं करता है macOS.

आगे बढ़ने का तरीका यहां बताया गया है

macOS उपयोगकर्ताओं:

  • एनाकोंडा स्थापित करें
  • TensorFlow और उससे संबंधित आवश्यक चीज़ों को इंस्टॉल करने के लिए एक .yml फ़ाइल बनाएँ।
  • लांच Jupyter नोटबुक

Windows उपयोगकर्ताओं:

  • एनाकोंडा स्थापित करें
  • निर्भरताएँ स्थापित करने के लिए .yml फ़ाइल बनाएँ
  • TensorFlow जोड़ने के लिए pip का उपयोग करें
  • लांच Jupyter नोटबुक

TensorFlow को चलाने के लिए Jupyterएनाकोंडा होल्डिंग के अंदर एक समर्पित वातावरण बनाएं।Python, Jupyter और TensorFlow। एक आवश्यक चीज़ जोड़ें डेटा विज्ञान पुस्तकालय भी: पांडाजो डेटा फ्रेम में हेरफेर करता है।

एनाकोंडा स्थापित करें

डाउनलोड एनाकोंडा संस्करण 4.3.1 (के लिए Python 3.6) उपयुक्त प्रणाली के लिए।

वे संस्करण पुराने हो चुके हैं: वर्तमान TensorFlow 2.x इनके साथ काम करता है Python 3.9 से 3.12 तक। 2024 से एनाकोंडा डिफ़ॉल्ट चैनल के लिए 200 से अधिक लोगों वाले संगठनों के लिए सशुल्क लाइसेंस की आवश्यकता होती है, इसलिए कोंडा-फोर्ज के साथ मिनिकोंडा या मिनिफोर्ज मुफ्त विकल्प है।

एनाकोंडा उन पुस्तकालयों का प्रबंधन करता है जिनकी आवश्यकता होती है Python or Rफिर उन्हें प्रत्येक वातावरण के अनुसार स्थापित करता है।

TensorFlow और उससे संबंधित आवश्यक चीज़ों को इंस्टॉल करने के लिए .yml फ़ाइल बनाएँ।

उसमे समाविष्ट हैं

  • एनाकोंडा के मार्ग का पता लगाएँ
  • कार्यशील निर्देशिका को एनाकोंडा पर सेट करें
  • yml फ़ाइल बनाएँ (MacOS उपयोगकर्ता के लिए, TensorFlow यहाँ स्थापित है)
  • yml फ़ाइल संपादित करें
  • yml फ़ाइल संकलित करें
  • एनाकोंडा सक्रिय करें
  • TensorFlow स्थापित करें (Windows केवल उपयोगकर्ता)

चरण 1) एनाकोंडा का पता लगाएं,

पहला कदम जो आपको उठाना है वह है एनाकोंडा के मार्ग का पता लगाना।

आप एक कोंडा वातावरण बनाएंगे जिसमें टेन्सरफ्लो ट्यूटोरियल में उपयोग की जाने वाली लाइब्रेरी होंगी।

Windows

यदि आप एक हैं Windows उपयोगकर्ता के लिए, आप एनाकोंडा प्रॉम्प्ट का उपयोग कर सकते हैं और टाइप कर सकते हैं:

C:\>where anaconda

Anaconda Prompt पर "where anaconda" कमांड का आउटपुट Windows

हमें उस फ़ोल्डर का नाम जानना है जहाँ एनाकोंडा इंस्टॉल है, क्योंकि हम अपना नया वातावरण इसी पथ के अंदर बनाना चाहते हैं। ऊपर दिए गए चित्र में, एनाकोंडा एडमिन फ़ोल्डर में है; आपके फ़ोल्डर में आपका अपना उपयोगकर्ता नाम होगा।

इसके बाद, आप वर्किंग डायरेक्टरी को c:\ से Anaconda3 में स्थानांतरित करेंगे।

MacOS

के लिए macOS उपयोगकर्ता, टर्मिनल खोलें और टाइप करें:

which anaconda

एनाकोंडा कमांड के टर्मिनल आउटपुट का विवरण macOS

अब आप एनाकोंडा के अंदर एक फ़ोल्डर बनाएं जिसमें निम्नलिखित सामग्री होगी। IPython, Jupyter और TensorFlowउन लाइब्रेरीज को घोषित करने का सबसे तेज़ तरीका एक yml फ़ाइल है।

चरण 2) कार्यशील निर्देशिका सेट करें

उस वर्किंग डायरेक्टरी को निर्दिष्ट करें जहां yml फ़ाइल बनाई जाएगी; जैसा कि ऊपर बताया गया है, यह एनाकोंडा के अंदर स्थित है।

के लिए macOS उपयोगकर्ताओं:

टर्मिनल डिफ़ॉल्ट रूप से उपयोगकर्ता/उपयोगकर्ता नामनीचे दिए गए चित्र में एनाकोंडा3 का पथ और कार्यशील निर्देशिका मेल खाते हैं; macOS यह $ से पहले वर्तमान फ़ोल्डर दिखाता है। सभी लाइब्रेरी वहीं स्थापित होती हैं।

यदि आपके टेक्स्ट एडिटर में दिया गया पथ मेल नहीं खाता है, तो टर्मिनल में cd PATH कमांड चलाएं, और यदि पथ में रिक्त स्थान हैं तो उसे उद्धरण चिह्नों में लिखें।

macOS टर्मिनल anaconda3 के पथ को कार्यशील निर्देशिका के रूप में दिखा रहा है।

अपना टर्मिनल खोलें और टाइप करें:

cd anaconda3

के लिए Windows उपयोगकर्ता, एनाकोंडा3 से पहले वाले फ़ोल्डर की जाँच करें:

cd C:\Users\Admin\Anaconda3

या पथ “जहाँ एनाकोंडा” कमांड आपको देता है

Windows Anaconda3 में डायरेक्टरी बदलने के बाद प्रॉम्प्ट दिखाई देगा

मिस न करें:

चरण 3) yml फ़ाइल बनाएँ

आप नई कार्यशील निर्देशिका के अंदर yml फ़ाइल बना सकते हैं।

फ़ाइल TensorFlow चलाने के लिए आवश्यक निर्भरताएँ स्थापित करेगी। इस कोड को कॉपी करके टर्मिनल में पेस्ट करें।

MacOS उपयोगकर्ता के लिए:

touch hello-tf.yml

एनाकोंडा3 के अंदर hello-tf.yml नाम की एक नई फ़ाइल दिखाई देनी चाहिए

macOS टच कमांड का उपयोग करके टर्मिनल hello-tf.yml फ़ाइल बना रहा है।

के लिए Windows उपयोगकर्ता:

echo.>hello-tf.yml

hello-tf.yml नाम की एक नई फ़ाइल दिखाई देनी चाहिए

Windows echo कमांड के साथ hello-tf.yml बनाने के लिए प्रॉम्प्ट करें

चरण 4) yml फ़ाइल संपादित करें

आप yml फ़ाइल को संपादित करने के लिए तैयार हैं।

MacOS उपयोगकर्ता के लिए:

फ़ाइल को संपादित करने के लिए आप टर्मिनल में निम्न कोड पेस्ट कर सकते हैं। MacOS उपयोगकर्ता इसका उपयोग कर सकते हैं vim yml फ़ाइल को संपादित करने के लिए.

vi hello-tf.yml

अब तक, आपका टर्मिनल इस तरह दिखता है

टर्मिनल में vi एडिटर में hello-tf.yml फ़ाइल खुल रही है।

आप एक दर्ज करें संपादित मोड। इस मोड के अंदर, आप esc दबाने के बाद कर सकते हैं:

  • संपादन शुरू करने के लिए i दबाएँ
  • सेव करने के लिए एस्केप दबाएं, फिर :w टाइप करें।
  • बिना सेव किए बाहर निकलने के लिए esc दबाएं, फिर :q! टाइप करें।

संपादन मोड में निम्नलिखित कोड लिखें और esc के बाद :w दबाएँ

vi के अंदर टाइप की गई hello-tf.yml निर्भरता सूची

नोट: फ़ाइल मामला है और इंडेंटेशन के प्रति संवेदनशील। प्रत्येक इंडेंट स्तर के लिए दो स्पेस आवश्यक हैं।

मैकोज़ के लिए

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 व्याख्या

  • नाम: hello-tf: yml फ़ाइल का नाम
  • निर्भरताएँ:
  • पायथन=3.6
  • ज्यूपिटर
  • आईपीथॉन
  • पांडा: स्थापित करें Python 3.6, Jupyterमैं,Python और पांडा।
  • पाइप: स्थापित करें Python पुस्तकालय
    • पहिया URLगूगल स्टोरेज एपीआई से सीधे टेन्सरफ्लो इंस्टॉल करें।

एडिट मोड से बाहर निकलने के लिए esc दबाएं और फिर :q! दबाएं।

vi से बाहर निकलने के बाद सहेजी गई hello-tf.yml फ़ाइल दिखाई देती है।

के लिए Windows उपयोगकर्ता:

Windows नहीं है vimइसलिए इस चरण के लिए नोटपैड ही काफी है।

notepad hello-tf.yml

फ़ाइल में निम्नलिखित दर्ज करें

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

Code व्याख्या

  • नाम: hello-tf: yml फ़ाइल का नाम
  • निर्भरताएँ:
  • पायथन=3.6
  • ज्यूपिटर
  • आईपीथॉन
  • पांडा: स्थापित करें Python 3.6, Jupyterमैं,Python और पांडा।

इससे नोटपैड खुल जाएगा, आप यहां से फ़ाइल को संपादित कर सकते हैं।

hello-tf.yml फ़ाइल खोली गई Windows नोटपैड

नोट: Windows अगले चरण में उपयोगकर्ता TensorFlow इंस्टॉल करेंगे; यहां आपको केवल conda वातावरण तैयार करना है।

चरण 5) yml फ़ाइल संकलित करें

निम्न कमांड का उपयोग करके .yml फ़ाइल को कंपाइल करें:

conda env create -f hello-tf.yml

नोट: के लिए Windows उपयोगकर्ताओं के लिए, नया वातावरण वर्तमान उपयोगकर्ता निर्देशिका के अंदर बनाया जाता है।

इसमें समय लगता है और लगभग 1.1 जीबी डिस्क स्पेस की आवश्यकता होती है।

conda env create आउटपुट hello-tf निर्भरताओं को हल कर रहा है macOS

In Windows

conda env create आउटपुट hello-tf निर्भरताओं को हल कर रहा है Windows

चरण 6) कोंडा वातावरण सक्रिय करें

अब आपके पास दो कोंडा वातावरण हैं।

पृथक वातावरण की अनुशंसा की जाती है, क्योंकि प्रत्येक यंत्र अधिगम इस प्रोजेक्ट के लिए एक अलग लाइब्रेरी सेट की आवश्यकता है, और प्रोजेक्ट समाप्त होने पर आप इसे हटा सकते हैं।

conda env list

conda env list कमांड बेस और hello-tf वातावरण दिखा रहा है।

तारांकन चिह्न सक्रिय वातावरण को दर्शाता है। इसे सक्रिय करने के लिए hello-tf पर स्विच करें। आधुनिक conda हर प्लेटफ़ॉर्म पर conda activate का उपयोग करता है; source activate अब अप्रचलित है।

MacOS उपयोगकर्ता के लिए:

source activate hello-tf

के लिए Windows उपयोगकर्ता:

activate hello-tf

hello-tf वातावरण को सक्रिय करने के बाद टर्मिनल प्रॉम्प्ट

सुनिश्चित करें कि प्रत्येक निर्भरता एक ही वातावरण के भीतर हल हो जाती है, इसलिए Python, Jupyter TensorFlow और TensorFlow एक ही उपसर्ग साझा करते हैं। यदि तीनों पथ भिन्न हैं, तो वातावरण को पुनः निर्मित करें।

MacOS उपयोगकर्ता के लिए:

which python
which jupyter
which ipython

जो python, jupyter और ipython को hello-tf के अंदर हल कर रहे हैं macOS

वैकल्पिक: अपडेट की जांच करें।

pip install --upgrade tensorflow

चरण 7) TensorFlow को स्थापित करें Windows उपयोगकर्ता

के लिए Windows उपयोगकर्ताओं:

where python
where jupyter
where ipython

जहां python, jupyter और ipython hello-tf के अंदर हल हो रहे हैं Windows

दो Python अब दो वातावरण मौजूद हैं: मूल वातावरण और hello-tf। केवल hello-tf में ही TensorFlow उपलब्ध है। चित्र में, python, jupyter और ipython सभी एक ही वातावरण में रिजॉल्व होते हैं, इसलिए TensorFlow का उपयोग किसी भी वातावरण से किया जा सकता है। Jupyter स्मरण पुस्तक।

Windows उपयोगकर्ता pip का उपयोग करके TensorFlow स्थापित करते हैं:

pip install tensorflow

hello-tf वातावरण के अंदर pip install tensorflow का आउटपुट

TensorFlow को कैसे इम्पोर्ट करें Jupyter नोटबुक

यह भाग दोनों ऑपरेटिंग सिस्टम पर समान है। ध्यान रखें कि TensorFlow खोलने से पहले हर बार वातावरण को सक्रिय करना आवश्यक है।

आप निम्न प्रकार आगे बढ़ेंगे:

  • हेलो-टीएफ कोंडा वातावरण सक्रिय करें
  • प्रारंभिक Jupyter
  • TensorFlow आयात करें
  • नोटबुक हटाएँ
  • समापन Jupyter

चरण 1) कोंडा सक्रिय करें

MacOS उपयोगकर्ता के लिए:

source activate hello-tf

के लिए Windows उपयोगकर्ता:

conda activate hello-tf

खोलने से पहले hello-tf conda वातावरण को सक्रिय करना Jupyter

चरण 2) प्रारंभिक Jupyter

उसके बाद, आप खोल सकते हैं Jupyter टर्मिनल से

jupyter notebook

jupyter notebook कमांड नोटबुक सर्वर शुरू करता है

ब्राउज़र अपने आप खुल जाना चाहिए; अन्यथा कॉपी करें URL टर्मिनल द्वारा मुद्रित, जो http://localhost:8888 से शुरू होता है।

डैशबोर्ड में वर्किंग डायरेक्टरी की सभी फाइलें सूचीबद्ध हैं। क्लिक करें नया और Python 3 एक नोटबुक बनाने के लिए।

नोट: नई नोटबुक स्वचालित रूप से कार्यशील निर्देशिका के अंदर सहेजी जाती है।

Jupyter नए डैशबोर्ड के साथ Python 3 मेनू खुले

चरण 3) TensorFlow आयात करें

नोटबुक के अंदर, आप TensorFlow को आयात कर सकते हैं Jupyter tf उपनाम के साथ नोटबुक। चलाने के लिए क्लिक करें। नीचे एक नया सेल बनाया गया है।

import tensorflow as tf

Notebook cell running import tensorflow as tf

आइये TensorFlow के साथ अपना पहला कोड लिखें।

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

एक नया टेन्सर बनाया गया है। बधाई हो, अब TensorFlow चल रहा है। Jupyter आपकी मशीन पर।

नोटबुक सेल में "हैलो" लिखा आ रहा है। Guru99 स्थिर टेंसर

चरण 4) फ़ाइल हटाएँ

Untitled.ipynb नाम की फ़ाइल को हटा दें Jupyter डैशबोर्ड।

Untitled.ipynb फ़ाइल को हटाना Jupyter डैशबोर्ड

चरण 5) समापन Jupyter

Jupyter इसे नोटबुक से ही या टर्मिनल से बंद किया जा सकता है (Anaconda Prompt पर)। Windows).

से Jupyter

के मुख्य पैनल में Jupyter नोटबुक, बस पर क्लिक करें लॉग आउट

लॉगआउट बटन Jupyter नोटबुक का मुख्य पैनल

आपको लॉग आउट पृष्ठ पर पुनः निर्देशित किया जाता है।

Jupyter लॉगआउट पुष्टिकरण पृष्ठ

टर्मिनल से

टर्मिनल या एनाकोंडा प्रॉम्प्ट का चयन करें और Ctrl+C को दो बार दबाएं।

पहली बार Ctrl+C दबाने पर आपसे शटडाउन की पुष्टि करने के लिए कहा जाता है; दूसरी बार दबाने पर इसकी पुष्टि हो जाती है।

टर्मिनल पर एक प्रॉम्प्ट आता है जो नोटबुक सर्वर के शटडाउन की पुष्टि करने के लिए कहता है।

टर्मिनल के बाद Jupyter सर्वर बंद हो गया है

आप सफलता पूर्वक बाहर आ गए हैं।

Jupyter मुख्य कोंडा पर्यावरण के साथ

TensorFlow को लॉन्च करने के लिए Jupyter अगले सत्र में, सबसे पहले वातावरण को सक्रिय करें:

source activate hello-tf

उस कदम के बिना, Jupyter यह मूल वातावरण में शुरू होता है और आयात विफल हो जाता है।

Jupyter TensorFlow के बिना मूल conda वातावरण से शुरुआत की।

अक्सर पूछे जाने वाले प्रश्न

TensorFlow के हालिया रिलीज़ समर्थन करते हैं Python 3.9 से 3.12 तक। अपने .yml फ़ाइल में संस्करण को पिन करें ताकि कोंडा एक मिलान व्हील को हल कर सके, और इससे बचें Python रिलीज़ नोट्स में दी गई सूची से नए बिल्ड।

TensorFlow आधिकारिक तौर पर PyPI पर उपलब्ध है, इसलिए conda वातावरण के अंदर pip install tensorflow कमांड चलाना समर्थित तरीका है। conda का उपयोग करें Python, Jupyter और पांडाफिर फ्रेमवर्क के लिए pip का उपयोग करें।

नोटबुक सेल में tf.config.list_physical_devices('GPU') कमांड चलाएँ। यदि सूची खाली है, तो इसका मतलब है कि CPU बिल्ड सक्रिय है या CUDA और cuDNN संस्करण रिलीज़ आवश्यकताओं से मेल नहीं खाते हैं।

नोटबुक कर्नेल एक अलग वातावरण में चल रहा है। लॉन्च करने से पहले hello-tf को सक्रिय करें। Jupyterया python -m ipykernel install –user –name hello-tf कमांड का उपयोग करके वातावरण को कर्नेल के रूप में पंजीकृत करें।

बेस एनवायरनमेंट से conda env remove -n hello-tf कमांड चलाएँ। पहले इसे निष्क्रिय करें, फिर conda env list कमांड से पुष्टि करें कि एंट्री हट गई है और डिस्क स्पेस पुनः प्राप्त हो गया है।

नेटिव arm64 वातावरण में टेन्सरफ्लो इंस्टॉल करें, फिर टेन्सरफ्लो-मेटल प्लगइन जोड़ें ताकि केरस एप्पल जीपीयू का उपयोग कर सके। रोसेटा बिल्ड चलते हैं लेकिन एक्सेलरेशन पूरी तरह से खत्म हो जाता है।

कोपायलट एक साधारण टिप्पणी से .yml फ़ाइलें, pip कमांड और कर्नेल पंजीकरण स्निपेट तैयार करता है, जिससे सेटअप में कम समय लगता है। कुछ भी चलाने से पहले आधिकारिक रिलीज़ नोट्स के अनुसार संस्करण पिन की जाँच करना आवश्यक है।

अब सहायक प्रशिक्षण लूप तैयार करते हैं, हाइपरपैरामीटर रेंज सुझाते हैं और नोटबुक के अंदर त्रुटियों की व्याख्या करते हैं। इससे काम में तेजी आती है। यंत्र अधिगम पुनरावृति प्रक्रिया, हालांकि मूल्यांकन और डेटा की गुणवत्ता मानवीय निर्णय बने रहते हैं।

इस पोस्ट को संक्षेप में इस प्रकार लिखें: