Cara Download & Instal Tensorflow di Jupyter buku catatan

Oleh: Evelyn Clarke Evelyn Clarke
Hours Updated

⚡ Ringkasan Cerdas

TensorFlow terinstal dengan rapi di dalam lingkungan Anaconda yang terisolasi, yang menjaga Python, Jupyter dan kerangka kerja tersebut mengarah ke satu jalur dan mencegah bentrokan versi dengan setiap proyek data lain yang sudah ada di mesin yang sama.

  • 🔘 Pilih konfigurasi: Paket CPU ini cocok untuk sebagian besar pekerjaan pembelajaran; konfigurasi GPU membutuhkan kartu NVIDIA.
  • ☑️ Lakukan isolasi terlebih dahulu: Lingkungan conda yang dideklarasikan dalam file .yml menjaga agar dependensi dapat direproduksi.
  • ✅ Windows tambahan: Windows Pertama-tama, siapkan lingkungannya, lalu tambahkan TensorFlow dengan pip install tensorflow.
  • 🧪 Verifikasi jalurnya: Python, Jupyter, dan IPython semuanya harus berada dalam lingkungan yang sama.
  • ️ Tes impor: Perintah `import tensorflow as tf` diikuti dengan `tf.constant` membuktikan bahwa instalasi berhasil.
  • 🔒 Mengaktifkan kembali: Setiap sesi baru memerlukan perintah `conda activate hello-tf` sebelum Jupyter dimulai.
Baca Selengkapnya

Unduh dan instal TensorFlow di Jupyter buku catatan

Instalasi TensorFlow dengan Anaconda on Windows or macOS Membutuhkan satu lingkungan conda dan beberapa perintah. Anda juga akan mempelajari cara mengimpor TensorFlow di dalamnya. Jupyter buku catatan, penampil buku catatan berbasis peramban.

Versi TensorFlow

TensorFlow mendukung komputasi lintas beberapa CPU dan GPU. Artinya, komputasi dapat didistribusikan ke berbagai perangkat untuk meningkatkan kecepatan pelatihan. Dengan paralelisasi, Anda tidak perlu menunggu berminggu-minggu untuk mendapatkan hasil algoritme pelatihan.

Untuk Windows Kepada pengguna, TensorFlow menyediakan dua varian build:

  • TensorFlow hanya dengan dukungan CPUJika komputer Anda tidak memiliki GPU NVIDIA, instal versi ini.
  • TensorFlow dengan dukungan GPULebih cepat untuk pelatihan, tetapi hanya layak untuk disiapkan jika Anda membutuhkan kapasitas komputasi yang sebenarnya.

Selama tutorial ini, versi dasar TensorFlow sudah cukup. Tabel di bawah ini membandingkan kedua versi tersebut:

Kriterium Perakitan CPU Rakitan GPU
Paket tensorflow (roda CPU) TensorFlow dengan runtime CUDA
Perangkat keras Prosesor x86 atau ARM apa pun Kartu NVIDIA dengan dukungan CUDA
Terbaik untuk Tutorial, model kecil Latihan lari jarak jauh.
Upaya penyiapan Satu perintah Pencocokan driver, CUDA, dan cuDNN

Catatan versi: TensorFlow 2.10 adalah rilis terakhir dengan fitur bawaan. Windows Dukungan GPU. Mulai versi 2.11 dan seterusnya, Windows Pengguna menjalankan build GPU di dalam WSL2 atau menginstal paket CPU. Mac dengan Apple Silicon menambahkan tensorflow-metal untuk akselerasi.

Catatan: TensorFlow tidak menyediakan dukungan GPU CUDA pada macOS.

Inilah cara untuk melanjutkan

macOS pengguna:

  • Instal Anaconda
  • Buat file .yml untuk menginstal TensorFlow dan dependensinya.
  • Launch Jupyter buku catatan

Windows pengguna:

  • Instal Anaconda
  • Buat file .yml untuk menginstal dependensi
  • Gunakan pip untuk menambahkan TensorFlow
  • Launch Jupyter buku catatan

Untuk menjalankan TensorFlow dengan Jupyter, menciptakan lingkungan khusus di dalam perusahaan induk Anaconda IPython, Jupyter dan TensorFlow. Tambahkan satu hal penting. ilmu data perpustakaan juga: panda, yang memanipulasi data frame.

Instal Anaconda

Unduh Anaconda versi 4.3.1 (untuk Python 3.6) untuk sistem yang sesuai.

Versi-versi tersebut sudah usang: TensorFlow 2.x saat ini berpasangan dengan Python 3.9 hingga 3.12. Sejak tahun 2024, saluran default Anaconda juga memerlukan lisensi berbayar untuk organisasi dengan lebih dari 200 orang, jadi Miniconda atau Miniforge dengan conda-forge adalah jalur gratisnya.

Anaconda mengelola pustaka yang dibutuhkan untuk Python or Rlalu menginstalnya sesuai dengan lingkungan.

Buat file .yml untuk menginstal TensorFlow dan dependensinya.

Itu termasuk

  • Temukan jalur Anaconda
  • Atur direktori kerja ke Anaconda
  • Buat file yml (Untuk pengguna MacOS, TensorFlow diinstal di sini)
  • Edit file yml
  • Kompilasi file yml
  • Aktifkan Anaconda
  • Instal TensorFlow (Windows hanya pengguna)

Langkah 1) Temukan Anaconda,

Langkah pertama yang perlu Anda lakukan adalah menemukan jalur Anaconda.

Anda akan membuat lingkungan conda yang berisi pustaka-pustaka yang digunakan di seluruh tutorial TensorFlow.

Windows

Jika Anda adalah Windows pengguna, Anda dapat menggunakan Anaconda Prompt dan mengetik:

C:\>where anaconda

Output Anaconda Prompt dari perintah where anaconda pada Windows

Kami ingin mengetahui nama folder tempat Anaconda diinstal karena kami ingin membuat lingkungan baru kami di dalam jalur ini. Pada gambar di atas, Anaconda berada di folder Admin; milik Anda akan menggunakan nama pengguna Anda sendiri.

Selanjutnya, Anda akan memindahkan direktori kerja dari c:\ ke Anaconda3.

MacOS

Untuk macOS Pengguna, buka Terminal dan ketik:

which anaconda

Output terminal dari perintah which anaconda pada macOS

Sekarang Anda membuat folder di dalam Anaconda yang akan berisi IPython, Jupyter ke TensorFlowCara tercepat untuk mendeklarasikan pustaka-pustaka tersebut adalah melalui file yml.

Langkah 2) Setel direktori kerja

Tentukan direktori kerja tempat file yml akan dibuat; seperti yang disebutkan di atas, direktori tersebut berada di dalam Anaconda.

Untuk macOS pengguna:

Terminal secara default Pengguna/NAMA PENGGUNAPada gambar di bawah ini, jalur anaconda3 dan direktori kerja cocok; macOS Menampilkan folder saat ini sebelum tanda $. Setiap pustaka diinstal di sana.

Jika jalur di editor teks Anda tidak cocok, jalankan `cd PATH` di Terminal, dan beri tanda kutip pada jalur yang mengandung spasi.

macOS Terminal menampilkan jalur anaconda3 sebagai direktori kerja.

Buka Terminal Anda, dan ketik:

cd anaconda3

Untuk Windows Pengguna, periksa folder yang mendahului Anaconda3:

cd C:\Users\Admin\Anaconda3

atau jalur yang diberikan perintah "di mana anaconda" kepada Anda

Windows pesan yang muncul setelah berpindah direktori ke Anaconda3

ARTIKEL TERKAIT

Langkah 3) Buat file yml

Anda dapat membuat file yml di dalam direktori kerja baru.

File tersebut akan menginstal dependensi yang Anda perlukan untuk menjalankan TensorFlow. Salin dan tempel kode ini ke Terminal.

Untuk pengguna MacOS:

touch hello-tf.yml

File baru bernama hello-tf.yml akan muncul di dalam anaconda3

macOS Terminal membuat hello-tf.yml dengan perintah touch.

Untuk Windows pengguna:

echo.>hello-tf.yml

File baru bernama hello-tf.yml akan muncul

Windows Perintah untuk membuat hello-tf.yml dengan perintah echo

Langkah 4) Edit file yml

Anda siap untuk mengedit file yml.

Untuk pengguna MacOS:

Anda dapat menempelkan kode berikut di Terminal untuk mengedit file. Pengguna MacOS dapat menggunakan vim untuk mengedit file yml.

vi hello-tf.yml

Sejauh ini, Terminal Anda terlihat seperti ini

Terminal membuka hello-tf.yml di editor vi.

Anda memasukkan mengedit mode. Di dalam mode ini, Anda dapat, setelah menekan esc:

  • Tekan i untuk mulai mengedit
  • Tekan esc, lalu ketik :w untuk menyimpan.
  • Tekan tombol Esc, lalu ketik :q! untuk keluar tanpa menyimpan.

Tulis kode berikut dalam mode edit dan tekan esc diikuti oleh :w

Daftar dependensi hello-tf.yml diketik di dalam vi

Catatan: Filenya adalah kasus ke Sensitif terhadap indentasi. Dua spasi diperlukan untuk setiap tingkat indentasi.

Untuk 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 Penjelasan

  • nama: hello-tf: Nama file yml
  • dependensi:
  • ular piton=3.6
  • jupyter
  • ular piton
  • panda: Instal Python 3.6, Jupyter, SayaPython dan panda.
  • pip: Instal a Python perpustakaan
    • Roda URLInstal TensorFlow langsung dari Google API penyimpanan.

Tekan esc diikuti dengan :q! untuk keluar dari mode edit.

File hello-tf.yml yang tersimpan ditampilkan setelah keluar dari vi.

Untuk Windows Pengguna:

Windows tidak punya vimJadi, Notepad sudah cukup untuk langkah ini.

notepad hello-tf.yml

Masukkan yang berikut ke dalam file

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

Code Penjelasan

  • nama: hello-tf: Nama file yml
  • dependensi:
  • ular piton=3.6
  • jupyter
  • ular piton
  • panda: Instal Python 3.6, Jupyter, SayaPython dan panda.

Ini akan membuka notepad, Anda dapat mengedit file dari sini.

hello-tf.yml dibuka di Windows Notepad

Catatan: Windows Pada langkah selanjutnya, pengguna akan menginstal TensorFlow; di sini Anda hanya perlu menyiapkan lingkungan conda.

Langkah 5) Kompilasi file yml

Kompilasi file .yml dengan perintah berikut:

conda env create -f hello-tf.yml

Catatan: Untuk Windows pengguna, lingkungan baru dibuat di dalam direktori pengguna saat ini.

Proses ini membutuhkan waktu dan sekitar 1.1 GB ruang disk.

conda env create output menyelesaikan dependensi hello-tf pada macOS

In Windows

conda env create output menyelesaikan dependensi hello-tf pada Windows

Langkah 6) Aktifkan lingkungan conda

Anda sekarang memiliki dua lingkungan conda.

Lingkungan terisolasi adalah praktik yang direkomendasikan, karena setiap Mesin belajar Proyek ini membutuhkan kumpulan pustaka yang berbeda, dan Anda dapat menghapusnya saat proyek berakhir.

conda env list

Perintah `conda env list` menampilkan lingkungan dasar dan hello-tf.

Tanda bintang (*) menandai lingkungan yang aktif. Beralihlah ke hello-tf untuk mengaktifkannya. Conda modern menggunakan conda activate di setiap platform; source activate sudah usang.

Untuk pengguna MacOS:

source activate hello-tf

Untuk Windows pengguna:

activate hello-tf

Prompt terminal setelah mengaktifkan lingkungan hello-tf

Pastikan setiap dependensi terselesaikan di dalam lingkungan yang sama, sehingga Python, Jupyter dan TensorFlow memiliki satu awalan yang sama. Jika ketiga jalur tersebut berbeda, bangun ulang lingkungan.

Untuk pengguna MacOS:

which python
which jupyter
which ipython

python, jupyter dan ipython yang diselesaikan di dalam hello-tf pada macOS

Opsional: Periksa pembaruan.

pip install --upgrade tensorflow

Langkah 7) Instal TensorFlow Untuk Windows pemakai

Untuk Windows pengguna:

where python
where jupyter
where ipython

di mana python, jupyter dan ipython diselesaikan di dalam hello-tf pada Windows

Dua Python Saat ini terdapat dua lingkungan: lingkungan dasar dan hello-tf. Hanya hello-tf yang membawa TensorFlow. Pada gambar, python, jupyter, dan ipython semuanya mengarah ke lingkungan yang sama, sehingga TensorFlow dapat digunakan dari lingkungan tersebut. Jupyter Buku catatan.

Windows Pengguna menginstal TensorFlow dengan pip:

pip install tensorflow

pip install tensorflow output inside the hello-tf environment

Cara Mengimpor TensorFlow di Jupyter buku catatan

Bagian ini identik di kedua sistem operasi. Ingat bahwa lingkungan harus diaktifkan setiap kali sebelum Anda membuka TensorFlow.

Anda akan melanjutkan sebagai berikut:

  • Aktifkan lingkungan hello-tf conda
  • Open Jupyter
  • Impor TensorFlow
  • Hapus Buku Catatan
  • Penyelesaian Jupyter

Langkah 1) Aktifkan conda

Untuk pengguna MacOS:

source activate hello-tf

Untuk Windows pengguna:

conda activate hello-tf

Mengaktifkan lingkungan conda hello-tf sebelum membuka Jupyter

Langkah 2) Open Jupyter

Setelah itu, Anda bisa membukanya Jupyter dari Terminal

jupyter notebook

Perintah jupyter notebook memulai server notebook.

Browser seharusnya terbuka secara otomatis; jika tidak, salinlah URL Dicetak oleh Terminal, yang dimulai dengan http://localhost:8888.

Dasbor ini menampilkan daftar semua file di direktori kerja. Klik New ke Python 3 untuk membuat buku catatan.

Catatan: Buku catatan baru secara otomatis disimpan di dalam direktori kerja.

Jupyter dasbor dengan yang Baru dan Python 3 menu terbuka

Langkah 3) Impor TensorFlow

Di dalam notebook, Anda dapat mengimpor TensorFlow Jupyter Buku catatan dengan alias tf. Klik untuk menjalankan. Sel baru dibuat di bawah.

import tensorflow as tf

Notebook cell running import tensorflow as tf

Mari tulis kode pertama Anda dengan TensorFlow.

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

Sebuah baru tensioner telah dibuat. Selamat, TensorFlow sekarang berjalan dengan Jupyter di mesin Anda.

Sel notebook membuat Halo, Gurutensor konstan 99

Langkah 4) Menghapus berkas

Hapus file bernama Untitled.ipynb dari Jupyter dasbor.

Menghapus file Untitled.ipynb dari Jupyter dasbor

Langkah 5) Penyelesaian Jupyter

Jupyter dapat ditutup dari notebook itu sendiri atau dari terminal (Anaconda Prompt). Windows).

Mulai dari Jupyter

Di panel utama Jupyter Buku catatan, cukup klik Keluar

Tombol keluar di Jupyter Panel utama notebook

Anda diarahkan ke halaman logout.

Jupyter halaman konfirmasi logout

Dari terminal

Pilih terminal atau Anaconda Prompt dan tekan Ctrl+C dua kali.

Ctrl+C pertama meminta Anda untuk mengkonfirmasi pematian; yang kedua mengkonfirmasinya.

Perintah terminal meminta konfirmasi pematian server notebook.

Terminal setelah Jupyter server telah berhenti

Anda telah berhasil keluar.

Jupyter dengan lingkungan conda utama

Untuk menjalankan TensorFlow dengan Jupyter Pada sesi mendatang, aktifkan lingkungan terlebih dahulu:

source activate hello-tf

Tanpa langkah itu, Jupyter Dimulai di lingkungan dasar dan impor gagal.

Jupyter dimulai dari lingkungan conda dasar tanpa TensorFlow

Pertanyaan Umum Demo Slot

Rilis TensorFlow terbaru mendukung Python 3.9 hingga 3.12. Tetapkan versi di file .yml Anda agar conda dapat menyelesaikan wheel yang sesuai, dan hindari Python build yang lebih baru daripada yang tercantum dalam catatan rilis.

TensorFlow secara resmi tersedia di PyPI, jadi menjalankan `pip install tensorflow` di dalam lingkungan conda adalah cara yang didukung. Gunakan conda untuk... Python, Jupyter ke panda, lalu gunakan pip untuk framework itu sendiri.

Jalankan tf.config.list_physical_devices('GPU') di sel notebook. Daftar kosong berarti build CPU aktif atau versi CUDA dan cuDNN tidak sesuai dengan persyaratan rilis.

Kernel notebook berjalan di lingkungan yang berbeda. Aktifkan hello-tf sebelum menjalankannya. Jupyteratau daftarkan lingkungan tersebut sebagai kernel dengan perintah python -m ipykernel install –user –name hello-tf.

Jalankan perintah `conda env remove -n hello-tf` dari lingkungan dasar. Nonaktifkan terlebih dahulu, kemudian konfirmasikan dengan `conda env list` bahwa entri tersebut telah hilang dan ruang disk telah dikembalikan.

Instal tensorflow di dalam lingkungan arm64 asli, lalu tambahkan plugin tensorflow-metal agar Keras menggunakan GPU Apple. Proses build Rosetta berjalan tetapi kehilangan akselerasi sepenuhnya.

Copilot membuat draf file .yml, perintah pip, dan cuplikan pendaftaran kernel dari komentar biasa, yang mempersingkat proses pengaturan. Versi yang ditetapkan masih perlu diperiksa terhadap catatan rilis resmi sebelum Anda menjalankan apa pun.

Asisten kini membuat draf loop pelatihan, menyarankan rentang hyperparameter, dan menjelaskan kesalahan di dalam notebook. Hal ini mempercepat proses. Mesin belajar iterasi, meskipun evaluasi dan kualitas data tetap menjadi keputusan manusia.

Ringkaslah postingan ini dengan: