Hoe Tensorflow te downloaden en te installeren Jupyter Notitieboek

In deze tutorial leggen we uit hoe je installeert TensorFlow Anaconda Windows. U leert hoe u TensorFlow kunt gebruiken Jupyter Notebook. Jupyter is een notitieboekjeviewer.

TensorFlow-versies

TensorFlow ondersteunt berekeningen over meerdere CPU's en GPU's. Dit betekent dat de berekeningen over apparaten kunnen worden verdeeld om de snelheid van de training te verbeteren. Met parallelisatie hoeft u niet weken te wachten om de resultaten van trainingsalgoritmen te verkrijgen.

Voor Windows gebruiker biedt TensorFlow twee versies:

TensorFlow alleen met CPU-ondersteuning: Als uw machine niet op NVIDIA GPU draait, kunt u alleen deze versie installeren
TensorFlow met GPU-ondersteuning: Voor snellere berekeningen kunt u de TensorFlow GPU-ondersteunde versie downloaden. Deze versie is alleen zinvol als u een sterke rekencapaciteit nodig hebt.

Tijdens deze tutorial is de basisversie van TensorFlow voldoende.

Opmerking: TensorFlow biedt geen GPU-ondersteuning op MacOS.

Hier leest u hoe u verder moet gaan

MacOS-gebruiker:

Installeer Anaconda
Maak een .yml-bestand om Tensorflow en afhankelijkheden te installeren
Lancering Jupyter Notitieboek

Voor Windows

Installeer Anaconda
Maak een .yml-bestand om afhankelijkheden te installeren
Gebruik pip om TensorFlow toe te voegen
Lancering Jupyter Notitieboek

Om Tensorflow mee uit te voeren Jupyter, moet je een omgeving creëren binnen Anaconda. Het betekent dat je Ipython gaat installeren, Jupyteren TensorFlow in een geschikte map in onze machine. Bovendien voegt u één essentiële bibliotheek toe voor data science: “Panda’s”. De Pandas-bibliotheek helpt bij het manipuleren van een dataframe.

Installeer Anaconda

Download Anaconda versie 4.3.1 (voor Python 3.6) voor het betreffende systeem.

Anaconda helpt u bij het beheren van alle benodigde bibliotheken Python of R. Raadpleeg dit tutorial om Anaconda te installeren

Maak een .yml-bestand om Tensorflow en afhankelijkheden te installeren

Het bevat

Zoek het pad van Anaconda
Stel de werkmap in op Anaconda
Maak het yml-bestand (voor MacOS-gebruikers is TensorFlow hier geïnstalleerd)
Bewerk het yml-bestand
Compileer het yml-bestand
Activeer Anaconda
Installeer TensorFlow (Windows alleen gebruiker)

Stap 1) Zoek Anaconda,

De eerste stap die u moet doen, is het pad van Anaconda lokaliseren.

Je maakt een nieuwe Conda-omgeving met daarin de benodigde bibliotheken die je gaat gebruiken tijdens de tutorials over TensorFlow.

Windows

Als u een Windows gebruiker, kunt u Anaconda Prompt gebruiken en typen:

C:\>where anaconda

We zijn geïnteresseerd in de naam van de map waarin Anaconda is geïnstalleerd, omdat we onze nieuwe omgeving binnen dit pad willen creëren. In de afbeelding hierboven is Anaconda bijvoorbeeld geïnstalleerd in de map Admin. Voor u kan het hetzelfde zijn, dat wil zeggen Admin of de gebruikersnaam.

In het volgende zullen we de werkmap instellen van c:\ naar Anaconda3.

MacOS

Voor MacOS-gebruikers: gebruik de Terminal en typ:

which anaconda

Je zult een nieuwe map in Anaconda moeten maken die deze bevat Ipython, Jupyter en TensorFlow. Een snelle manier om bibliotheken en software te installeren is door een yml-bestand te schrijven.

Stap 2) Werkmap instellen

U moet de werkmap opgeven waar u het yml-bestand wilt maken.

Zoals eerder gezegd, zal het zich in Anaconda bevinden.

Voor MacOS-gebruikers:

De Terminal stelt de standaardwerkmap in Gebruikers/GEBRUIKERSNAAM. Zoals u in de onderstaande afbeelding kunt zien, zijn het pad van anaconda3 en de werkdirectory identiek. In MacOS wordt de nieuwste map weergegeven vóór de $. De Terminal installeert alle bibliotheken in deze werkdirectory.

Als het pad in de teksteditor niet overeenkomt met de werkmap, kunt u dit wijzigen door cd PATH in de terminal te schrijven. PATH is het pad dat u in de teksteditor hebt geplakt. Vergeet niet het PATH te omsluiten met 'PATH'. Met deze actie wordt de werkmap gewijzigd in PATH.

Open uw Terminal en typ:

cd anaconda3

Voor Windows gebruiker (zorg ervoor dat de map vóór Anaconda3 staat):

cd C:\Users\Admin\Anaconda3

of het pad “waar anaconda” je geeft

Stap 3) Maak het yml-bestand

U kunt het yml-bestand in de nieuwe werkmap maken.

Het bestand installeert de afhankelijkheden die u nodig hebt om TensorFlow uit te voeren. Kopieer en plak deze code in de terminal.

Voor MacOS-gebruikers:

touch hello-tf.yml

Een nieuw bestand met de naam hello-tf.yml zou in anaconda3 moeten verschijnen

Voor Windows gebruiker:

echo.>hello-tf.yml

Er zou een nieuw bestand met de naam hello-tf.yml moeten verschijnen

Stap 4) Bewerk het yml-bestand

U bent klaar om het yml-bestand te bewerken.

Voor MacOS-gebruikers:

U kunt de volgende code in de Terminal plakken om het bestand te bewerken. MacOS-gebruikers kunnen vim om het yml-bestand te bewerken.

vi hello-tf.yml

Tot nu toe ziet uw terminal er zo uit

U voert een in Bewerken modus. In deze modus kun je, nadat je op esc hebt gedrukt:

Druk op i om te bewerken
Druk op w om op te slaan
Druk op q! stoppen

Schrijf de volgende code in de bewerkingsmodus en druk op esc gevolgd door :w

Opmerking: Het dossier is zaak en gevoelig bedoeld. Na elke intentie zijn er 2 ruimtes nodig.

Voor 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

Code Uitleg

naam: hello-tf: Naam van het yml-bestand
afhankelijkheden:
Python=3.6
jupyter
Python
panda's: Installeer Python versie 3.6, Jupyter, Ipython en panda's-bibliotheken
pip: Installeer een Python bibliotheek
- https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Install TensorFlow from Google apis.

Druk op esc gevolgd door :q! naar een behoorlijke bewerkingsmodus.

Voor Windows Gebruiker:

Windows heeft geen vim-programma, dus het Kladblok is voldoende om deze stap te voltooien.

notepad hello-tf.yml

Voer het volgende in het bestand in

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

Code Uitleg

naam: hello-tf: Naam van het yml-bestand
afhankelijkheden:
Python=3.6
jupyter
Python
panda's: Installeren Python versie 3.6, Jupyter, Ipython en panda's-bibliotheken

Het kladblok wordt geopend. U kunt het bestand vanaf hier bewerken.

Opmerking: Windows gebruikers zullen TensorFlow in de volgende stap installeren. In deze stap bereidt u alleen de Conda-omgeving voor

Stap 5) Compileer het yml-bestand

U kunt het .yml-bestand compileren met de volgende code:

conda env create -f hello-tf.yml

Opmerking: Voor Windows gebruikers, wordt de nieuwe omgeving aangemaakt binnen de huidige gebruikersmap.

Het kost tijden. Het neemt ongeveer 1.1 GB ruimte in beslag op uw harde schijf.

In Windows

Stap 6) Activeer de Conda-omgeving

We zijn bijna klaar. Je hebt nu 2 conda-omgevingen.

Je hebt een geïsoleerde Conda-omgeving gemaakt met de bibliotheken die je tijdens de tutorials gaat gebruiken. Dit is een aanbevolen praktijk omdat elk machine learning project vereist verschillende bibliotheken. Wanneer het project voorbij is, kunt u deze omgeving al dan niet verwijderen.

conda env list

De asterix geeft de standaardwaarde aan. Je moet overschakelen naar hello-tf om de omgeving te activeren

Voor MacOS-gebruikers:

source activate hello-tf

Voor Windows gebruiker:

activate hello-tf

U kunt controleren of alle afhankelijkheden zich in dezelfde omgeving bevinden. Dit is belangrijk omdat het dit mogelijk maakt Python gebruiken Jupyter en TensorFlow uit dezelfde omgeving. Als u ze niet alle drie in dezelfde map ziet staan, moet u helemaal opnieuw beginnen.

Voor MacOS-gebruikers:

which python
which jupyter
which ipython

Optioneel: U kunt controleren op updates.

pip install --upgrade tensorflow

Stap 7) Installeer TensorFlow voor Windows gebruiker

Voor Windows-gebruikers:

where python
where jupyter
where ipython

Zoals je ziet heb je er nu twee Python omgevingen. De belangrijkste en de nieuw gecreëerde op ie hello-tf. De belangrijkste conda-omgeving heeft tensorFlow niet geïnstalleerd, alleen hello-tf. Van de afbeelding zijn python, jupyter en ipython geïnstalleerd in dezelfde omgeving. Dat betekent dat u TensorFlow kunt gebruiken met een Jupyter Notebook.

U moet TensorFlow installeren met de pip-opdracht. Alleen voor Windows gebruiker

pip install tensorflow

Hoe Tensorflow te importeren Jupyter Notitieboek

Dit deel is hetzelfde voor beide besturingssystemen. Laten we nu leren hoe we TensorFlow kunnen importeren Jupyter Notebook.

Je kunt TensorFlow openen met Jupyter.

Opmerking: Elke keer dat u TensorFlow wilt openen, moet u de omgeving initialiseren

U gaat als volgt te werk:

Activeer hello-tf conda-omgeving
Openen Jupyter
Tensorstroom importeren
Notitieboekje verwijderen
Sluiten Jupyter

Stap 1) Activeer Conda

Voor MacOS-gebruikers:

source activate hello-tf

Voor Windows gebruiker:

conda activate hello-tf

Stap 2) Openen Jupyter

Daarna kunt u openen Jupyter vanaf de terminal

jupyter notebook

Uw browser zou automatisch moeten openen, anders kopieert en plakt u de url die door de Terminal wordt verstrekt. Het begint met http://localhost:8888

Binnenin de TensorFlow Jupyter Notebook, u kunt alle bestanden in de werkmap zien. Om een nieuw notitieboekje aan te maken, klikt u eenvoudigweg op nieuwe en Python 3

Opmerking: Het nieuwe notitieblok wordt automatisch opgeslagen in de werkmap.

Stap 3) Tensorflow importeren

In de notebook kunt u TensorFlow importeren Jupyter Notitieboekje met de tf-alias. Klik om uit te voeren. Hieronder wordt een nieuwe cel gemaakt.

import tensorflow as tf

Laten we uw eerste code schrijven met TensorFlow.

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

Er wordt een nieuwe tensor gemaakt. Felicitatie. U installeert TensorFlow met succes Jupyter op uw machine.

Stap 4) Verwijder bestand

U kunt het bestand Untitled.ipynb in Jupyer verwijderen.

Stap 5) Sluiten Jupyter

Er zijn twee manieren om te sluiten Jupyter. De eerste manier is rechtstreeks vanuit de notebook. De tweede manier is door de terminal (of Anaconda Prompt) te gebruiken

Vanaf Jupyter

In het hoofdpaneel van Jupyter Notitieboekje, klik gewoon op Uitloggen