Come scaricare e installare Tensorflow in Jupyter Taccuino

By: Team editoriale Team editoriale
Hours aggiornato

⚡ Riepilogo intelligente

TensorFlow si installa in modo pulito all'interno di un ambiente Anaconda isolato, che mantiene Python, Jupyter e il framework si risolve in un unico percorso e previene conflitti di versione con tutti gli altri progetti di dati già presenti sulla stessa macchina.

  • 🔘 Scegli una configurazione: La configurazione con CPU è adatta alla maggior parte delle attività didattiche; la configurazione con GPU richiede una scheda NVIDIA.
  • ☑️ Isolare prima: Un ambiente conda dichiarato in un file .yml garantisce la riproducibilità delle dipendenze.
  • ✅ Windows extra: Windows Innanzitutto prepara l'ambiente, quindi aggiunge TensorFlow con pip install tensorflow.
  • 🧪 Verifica il percorso: Python, Jupyter e IPython devono essere tutti risolvibili all'interno dello stesso ambiente.
  • ️ Test di importazione: L'importazione di tensorflow come tf seguita da tf.constant dimostra che l'installazione funziona.
  • 🔒 Riattiva: Ogni nuova sessione richiede che conda activate hello-tf prima Jupyter inizia.
Scopri di più

Scarica e installa TensorFlow in Jupyter Taccuino

Installazione TensorFlow con Anaconda on Windows or macOS richiede un ambiente conda e alcuni comandi. Imparerai anche come importare TensorFlow all'interno Jupyter Taccuino, il visualizzatore di notebook basato su browser.

Versioni di TensorFlow

TensorFlow supporta calcoli su più CPU e GPU. Ciò significa che i calcoli possono essere distribuiti su più dispositivi per migliorare la velocità della formazione. Con la parallelizzazione non è necessario attendere settimane per ottenere i risultati degli algoritmi di addestramento.

Per Windows Utenti, TensorFlow offre due varianti di compilazione:

  • TensorFlow solo con supporto CPUSe il tuo computer non dispone di una GPU NVIDIA, installa questa build.
  • TensorFlow con supporto GPUPiù veloce per l'addestramento, ma vale la pena configurarlo solo quando si ha bisogno di una reale capacità di calcolo.

Durante questo tutorial, la versione base di TensorFlow è sufficiente. La tabella seguente confronta le due versioni:

Criterio Costruzione della CPU costruzione GPU
CONFEZIONE TensorFlow (ruota CPU) TensorFlow con runtime CUDA
Hardware Qualsiasi processore x86 o ARM Scheda NVIDIA con supporto CUDA
migliori per Tutorial, piccoli modelli Grandi sessioni di allenamento
Sforzo di installazione Un comando Corrispondenza tra driver, CUDA e cuDNN

Nota sulla versione: TensorFlow 2.10 è stata l'ultima versione con supporto nativo Windows Supporto GPU. Dalla versione 2.11 in poi, Windows Gli utenti eseguono la build per GPU all'interno di WSL2 oppure installano il pacchetto per CPU. I Mac con processore Apple Silicon aggiungono tensorflow-metal per l'accelerazione.

Nota: TensorFlow non fornisce supporto CUDA GPU su macOS.

Ecco come procedere

macOS gli utenti:

  • Installa Anaconda
  • Crea un file .yml per installare TensorFlow e le relative dipendenze.
  • Lancio Jupyter Taccuino

Windows gli utenti:

  • Installa Anaconda
  • Crea un file .yml per installare le dipendenze
  • Usa pip per aggiungere TensorFlow
  • Lancio Jupyter Taccuino

Per eseguire TensorFlow con Jupyter, creare un ambiente dedicato all'interno di Anaconda che contiene IPython, Jupyter e TensorFlow. Aggiungi un elemento essenziale scienza dei dati biblioteca anche: pandache manipola i frame di dati.

Installa Anaconda

Scaricare Anaconda versione 4.3.1 (per Python 3.6) per il sistema appropriato.

Quelle versioni sono obsolete: l'attuale TensorFlow 2.x si abbina con Python Dalla versione 3.9 alla 3.12. Dal 2024, anche il canale predefinito di Anaconda richiede una licenza a pagamento per le organizzazioni con più di 200 dipendenti, quindi Miniconda o Miniforge con conda-forge rappresentano la soluzione gratuita.

Anaconda gestisce le librerie necessarie per Python or R, quindi li installa per ogni ambiente.

Crea un file .yml per installare TensorFlow e le relative dipendenze.

Include

  • Individua il percorso di Anaconda
  • Imposta la directory di lavoro su Anaconda
  • Crea il file yml (per gli utenti MacOS, TensorFlow è installato qui)
  • Modifica il file yml
  • Compila il file yml
  • Attiva Anaconda
  • Installa TensorFlow (Windows solo utente)

Passo 1) Individua Anaconda,

Il primo passo che devi fare è individuare il percorso di Anaconda.

Creerai un ambiente conda contenente le librerie utilizzate nei tutorial di TensorFlow.

Windows

Se sei unə Windows utente, puoi utilizzare il prompt di Anaconda e digitare:

C:\>where anaconda

Output del prompt di Anaconda del comando where anaconda su Windows

Ci interessa sapere il nome della cartella in cui è installato Anaconda perché vogliamo creare il nostro nuovo ambiente all'interno di quel percorso. Nell'immagine qui sopra, Anaconda si trova nella cartella Admin; la tua cartella conterrà il tuo nome utente.

In seguito, sposterai la directory di lavoro da c:\ ad Anaconda3.

MacOS

Per macOS utenti, aprite il Terminale e digitate:

which anaconda

Output del terminale del comando anaconda su macOS

Ora crei una cartella all'interno di Anaconda che conterrà IPython, Jupyter and TensorFlowIl modo più rapido per dichiarare queste librerie è tramite un file yml.

Passo 2) Imposta directory di lavoro

Specificare la directory di lavoro in cui verrà creato il file yml; come indicato in precedenza, si trova all'interno di Anaconda.

Per macOS gli utenti:

Il terminale predefinito è Utenti/NOME UTENTENella figura sottostante, il percorso di anaconda3 e la directory di lavoro corrispondono; macOS Mostra la cartella corrente prima del simbolo $. Tutte le librerie sono installate in quella cartella.

Se il percorso nel tuo editor di testo non corrisponde, esegui il comando cd PATH nel Terminale, racchiudendo il percorso tra virgolette se contiene spazi.

macOS Il terminale mostra il percorso anaconda3 come directory di lavoro

Apri il tuo Terminale e digita:

cd anaconda3

Per Windows utenti, controllate la cartella che precede Anaconda3:

cd C:\Users\Admin\Anaconda3

o il percorso fornito dal comando "dove anaconda".

Windows richiesta dopo aver cambiato directory in Anaconda3

Da non perdere:

Passo 3) Crea il file .yml

Puoi creare il file yml all'interno della nuova directory di lavoro.

Il file installerà le dipendenze necessarie per eseguire TensorFlow. Copia e incolla questo codice nel Terminale.

Per gli utenti MacOS:

touch hello-tf.yml

Un nuovo file chiamato hello-tf.yml dovrebbe apparire all'interno di anaconda3

macOS Terminale che crea il file hello-tf.yml con il comando touch

Per Windows utente:

echo.>hello-tf.yml

Dovrebbe apparire un nuovo file denominato hello-tf.yml

Windows richiesta di creazione di hello-tf.yml con il comando echo

Passo 4) Modifica il file yml

Sei pronto per modificare il file yml.

Per gli utenti MacOS:

Puoi incollare il seguente codice nel Terminale per modificare il file. Gli utenti MacOS possono usare vim per modificare il file yml.

vi hello-tf.yml

Finora, il tuo terminale appare così

Apertura del terminale hello-tf.yml nell'editor vi

Inserisci un edit modalità. All'interno di questa modalità è possibile, dopo aver premuto esc:

  • Premi i per iniziare la modifica
  • Premi Esc, poi digita :w per salvare
  • Premi Esc, poi digita :q! per uscire senza salvare

Scrivi il seguente codice in modalità di modifica e premi esc seguito da :w

Elenco delle dipendenze di hello-tf.yml digitato all'interno di vi

Nota: Il fascicolo è un caso and Sensibile alla rientranza. Sono necessari due spazi per ogni livello di rientranza.

Per 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 Spiegazione

  • nome: ciao-tf: nome del file yml
  • dipendenze:
  • pitone=3.6
  • giove
  • pitone
  • panda: installa Python 3.6 Jupyter, IPython e panda.
  • pip: installa a Python libreria
    • La ruota URL: installare TensorFlow direttamente da Google API di archiviazione.

Premi Esc seguito da :q! per uscire dalla modalità di modifica.

File hello-tf.yml salvato mostrato dopo aver lasciato vi

Per Windows Utente:

Windows ha no vim, quindi Blocco note è sufficiente per questo passaggio.

notepad hello-tf.yml

Inserisci quanto segue nel file

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

Code Spiegazione

  • nome: ciao-tf: nome del file yml
  • dipendenze:
  • pitone=3.6
  • giove
  • pitone
  • panda: installa Python 3.6 Jupyter, IPython e panda.

Si aprirà il blocco note, potrai modificare il file da qui.

hello-tf.yml aperto in Windows Notepad

Nota: Windows Gli utenti installeranno TensorFlow nel passaggio successivo; qui è sufficiente preparare l'ambiente conda.

Passo 5) Compila il file yml

Compila il file .yml con il seguente comando:

conda env create -f hello-tf.yml

Nota: Per Windows utenti, il nuovo ambiente viene creato all'interno della directory utente corrente.

Richiede tempo e circa 1.1 GB di spazio su disco.

conda env create output che risolve le dipendenze hello-tf su macOS

In Windows

conda env create output che risolve le dipendenze hello-tf su Windows

Passo 6) Attiva l'ambiente conda

Ora disponi di due ambienti conda.

Si raccomanda un ambiente isolato, perché ogni machine learning Il progetto necessita di un set di librerie diverso, che potrai eliminare al termine del progetto.

conda env list

Elenco degli ambienti conda che mostra gli ambienti base e hello-tf

L'asterisco indica l'ambiente attivo. Passa a hello-tf per attivarlo. Le versioni moderne di conda utilizzano `conda activate` su tutte le piattaforme; `source activate` è obsoleto.

Per gli utenti MacOS:

source activate hello-tf

Per Windows utente:

activate hello-tf

Prompt del terminale dopo l'attivazione dell'ambiente hello-tf

Conferma che ogni dipendenza si risolva all'interno dello stesso ambiente, quindi Python, Jupyter e TensorFlow condividono un prefisso. Se i tre percorsi sono diversi, ricostruisci l'ambiente.

Per gli utenti MacOS:

which python
which jupyter
which ipython

che python, jupyter e ipython risolvono all'interno di hello-tf su macOS

Opzionale: Controlla la presenza di aggiornamenti.

pip install --upgrade tensorflow

Passo 7) Installa TensorFlow per Windows Utente

Per Windows gli utenti:

where python
where jupyter
where ipython

dove python, jupyter e ipython si risolvono all'interno di hello-tf su Windows

Due Python Ora esistono ambienti: quello base e hello-tf. Solo hello-tf supporta TensorFlow. Nell'immagine, python, jupyter e ipython si risolvono tutti nello stesso ambiente, quindi TensorFlow è utilizzabile da un Jupyter Taccuino.

Windows Gli utenti installano TensorFlow con pip:

pip install tensorflow

Eseguire pip install tensorflow output all'interno dell'ambiente hello-tf

Come importare TensorFlow in Jupyter Taccuino

Questa parte è identica su entrambi i sistemi operativi. Ricorda che l'ambiente deve essere attivato ogni volta prima di aprire TensorFlow.

Procederai come segue:

  • Attiva l'ambiente conda hello-tf
  • Apri Jupyter
  • Importa TensorFlow
  • Elimina taccuino
  • Chiudi Jupyter

Passo 1) Attiva conda

Per gli utenti MacOS:

source activate hello-tf

Per Windows utente:

conda activate hello-tf

Attivazione dell'ambiente conda hello-tf prima dell'apertura Jupyter

Passo 2) Apri Jupyter

Dopodiché, puoi aprire Jupyter dal Terminale

jupyter notebook

Comando jupyter notebook per avviare il server notebook

Il browser dovrebbe aprirsi automaticamente; altrimenti copia il URL stampato dal Terminale, che inizia con http://localhost:8888.

La dashboard elenca tutti i file nella directory di lavoro. Fare clic su New and Python 3 per creare un notebook.

Nota: Il nuovo notebook viene automaticamente salvato nella directory di lavoro.

Jupyter cruscotto con il Nuovo e Python 3 menu aperti

Passo 3) Importa TensorFlow

All'interno del notebook è possibile importare TensorFlow Jupyter Notebook con l'alias tf. Fare clic per eseguire. Di seguito viene creata una nuova cella.

import tensorflow as tf

Notebook cell running import tensorflow as tf

Scriviamo il tuo primo codice con TensorFlow.

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

Una nuova tensore è stato creato. Congratulazioni, TensorFlow ora funziona con Jupyter sulla tua macchina.

Cella del notebook che crea il Ciao, Guru99 tensore costante

Passo 4) Cancella il file

Elimina il file denominato Untitled.ipynb dal Jupyter cruscotto.

Eliminazione del file Untitled.ipynb dal Jupyter cruscotto

Passo 5) Chiudi Jupyter

Jupyter può essere chiuso dal notebook stesso o dal terminale (Anaconda Prompt su Windows).

Da Jupyter

Nel pannello principale di Jupyter Notebook, basta fare clic su Esci

pulsante di disconnessione nel Jupyter Pannello principale del notebook

Verrai reindirizzato alla pagina di disconnessione.

Jupyter pagina di conferma del logout

Dal terminale

Seleziona il terminale o il prompt di Anaconda e premi Ctrl+C due volte.

La prima combinazione di tasti Ctrl+C chiede di confermare lo spegnimento; la seconda lo conferma.

Richiesta tramite terminale di conferma dello spegnimento del notebook server.

Terminale dopo il Jupyter Il server si è arrestato

Ti sei disconnesso con successo.

Jupyter con l'ambiente conda principale

Per avviare TensorFlow con Jupyter Nella sessione successiva, attiva prima l'ambiente:

source activate hello-tf

Senza quel passaggio, Jupyter Si avvia nell'ambiente di base e l'importazione fallisce.

Jupyter partito dall'ambiente base conda senza TensorFlow

DOMANDE FREQUENTI

Le versioni recenti di TensorFlow supportano Python Dalla 3.9 alla 3.12. Blocca la versione nel tuo file .yml in modo che conda risolva un wheel corrispondente ed evita Python build più recenti rispetto all'elenco delle note di rilascio.

TensorFlow viene distribuito ufficialmente su PyPI, quindi l'installazione di tensorflow tramite pip all'interno di un ambiente conda è la procedura supportata. Utilizzare conda per Python, Jupyter and panda, quindi pip per il framework stesso.

Eseguire tf.config.list_physical_devices('GPU') in una cella del notebook. Un elenco vuoto significa che la build per CPU è attiva oppure che le versioni di CUDA e cuDNN non corrispondono ai requisiti di rilascio.

Il kernel del notebook è in esecuzione in un ambiente diverso. Attivare hello-tf prima dell'avvio Jupyteroppure registrare l'ambiente come kernel con python -m ipykernel install –user –name hello-tf.

Esegui il comando `conda env remove -n hello-tf` dall'ambiente base. Disattivalo prima, poi verifica con `conda env list` che la voce sia stata rimossa e che lo spazio su disco sia stato recuperato.

Installa TensorFlow all'interno di un ambiente nativo arm64, quindi aggiungi il plugin tensorflow-metal in modo che Keras utilizzi la GPU Apple. Le build di Rosetta funzionano, ma perdono completamente l'accelerazione.

Copilot genera file .yml, comandi pip e frammenti di codice per la registrazione del kernel a partire da un semplice commento, abbreviando così la configurazione. È comunque necessario verificare i blocchi di versione confrontandoli con le note di rilascio ufficiali prima di eseguire qualsiasi operazione.

Gli assistenti ora elaborano cicli di addestramento, suggeriscono intervalli di iperparametri e spiegano gli errori all'interno del notebook. Ciò velocizza machine learning iterazione, sebbene la valutazione e la qualità dei dati rimangano decisioni umane.

Riassumi questo post con: