Jak pobrać i zainstalować Tensorflow w Jupyter Notatnik

Instalacja TensorFlow z Anacondą on Windows or macOS Wymaga jednego środowiska Conda i kilku poleceń. Dowiesz się również, jak importować TensorFlow do środka. Jupyter Notatnik, przeglądarka notatników oparta na przeglądarce.

Wersje TensorFlow

TensorFlow obsługuje obliczenia na wielu procesorach CPU i GPU. Oznacza to, że obliczenia można rozłożyć na urządzenia, aby zwiększyć szybkość treningu. Dzięki paralelizacji nie musisz czekać tygodniami, aby uzyskać wyniki algorytmów treningowych.

Dla litu szacuje się Windows użytkownicy TensorFlow udostępniają dwie wersje kompilacji:

• TensorFlow tylko z obsługą procesora:Jeśli twój komputer nie posiada procesora graficznego NVIDIA, zainstaluj tę kompilację.
• TensorFlow z obsługą GPU: Szybciej do szkolenia, ale warto skonfigurować tylko wtedy, gdy potrzebujesz rzeczywistej mocy obliczeniowej.

W tym samouczku wystarczy podstawowa wersja TensorFlow. Poniższa tabela porównuje obie kompilacje:

Uwaga dotycząca wersji: TensorFlow 2.10 była ostatnią wersją z natywnym Windows Obsługa GPU. Od wersji 2.11 Windows Użytkownicy uruchamiają kompilację GPU w WSL2 lub instalują pakiet CPU. Komputery Mac z procesorem Apple Silicon korzystają z technologii TensorFlow-Metal w celu przyspieszenia.

Uwaga: TensorFlow nie zapewnia obsługi CUDA GPU na macOS.

Oto jak postępować

macOS użytkownicy:

• Zainstaluj Anaconę
• Utwórz plik .yml, aby zainstalować TensorFlow i zależności
• Premiera Jupyter Notatnik

Windows użytkownicy:

• Zainstaluj Anaconę
• Utwórz plik .yml, aby zainstalować zależności
• Użyj pip, aby dodać TensorFlow
• Premiera Jupyter Notatnik

Aby uruchomić TensorFlow za pomocą Jupyter, stwórz dedykowane środowisko w Anacondzie, trzymając IPython, Jupyter i TensorFlow. Dodaj jeden niezbędny nauka danych biblioteka również: pandy, który manipuluje ramkami danych.

Zainstaluj Anaconę

Pobierz anakonda wersja 4.3.1 (dla Python 3.6) dla odpowiedniego systemu.

Te wersje są starsze: obecna wersja TensorFlow 2.x łączy się z Python Od 3.9 do 3.12. Od 2024 roku domyślny kanał Anaconda wymaga również płatnej licencji dla organizacji powyżej 200 osób, dlatego Miniconda lub Miniforge z conda-forge to darmowa opcja.

Anaconda zarządza bibliotekami niezbędnymi do Python or R, a następnie instaluje je w każdym środowisku.

Utwórz plik .yml, aby zainstalować TensorFlow i zależności

Obejmuje to

• Znajdź ścieżkę Anakondy
• Ustaw katalog roboczy na Anaconda
• Utwórz plik yml (dla użytkownika MacOS, TensorFlow jest tutaj zainstalowany)
• Edytuj plik yml
• Skompiluj plik yml
• Aktywuj Anakondę
• Zainstaluj TensorFlow (Windows tylko użytkownik)

Krok 1) Zlokalizuj Anakondę,

Pierwszym krokiem, który musisz zrobić, jest zlokalizowanie ścieżki Anakondy.

Utworzysz środowisko Conda, w którym będą przechowywane biblioteki wykorzystywane w samouczkach TensorFlow.

Windows

Jeśli jesteś Windows użytkownik, możesz użyć Anaconda Prompt i wpisać:

C:\>where anaconda

Chcemy poznać nazwę folderu, w którym zainstalowana jest Anaconda, ponieważ chcemy utworzyć nowe środowisko w tej ścieżce. Na powyższym obrazku Anaconda znajduje się w folderze Admin; Twój folder będzie miał Twoją własną nazwę użytkownika.

Następnie przeniesiesz katalog roboczy z c:\ do Anaconda3.

MacOS

Dla litu szacuje się macOS użytkownicy, otwórzcie Terminal i wpiszcie:

which anaconda

Teraz utwórz folder w Anacondzie, który będzie zawierał IPython, Jupyter oraz TensorFlowNajszybszym sposobem zadeklarowania tych bibliotek jest plik yml.

Krok 2) Ustaw katalog roboczy

Określ katalog roboczy, w którym zostanie utworzony plik yml; jak wspomniano powyżej, znajduje się on w Anacondzie.

Dla litu szacuje się macOS użytkownicy:

Domyślnie terminal jest ustawiony na Użytkownicy/NAZWA UŻYTKOWNIKA. Na poniższym rysunku ścieżka anaconda3 i katalog roboczy są zgodne; macOS pokazuje bieżący folder przed $. Wszystkie biblioteki są tam zainstalowane.

Jeżeli ścieżka w edytorze tekstu nie jest zgodna, uruchom polecenie cd PATH w terminalu, umieszczając ścieżkę w cudzysłowie, gdy zawiera ona spacje.

Otwórz terminal i wpisz:

cd anaconda3

Dla litu szacuje się Windows użytkownicy, sprawdźcie folder poprzedzający Anacondę3:

cd C:\Users\Admin\Anaconda3

lub ścieżka „gdzie anakonda” daje polecenie

Krok 3) Utwórz plik yml

Możesz utworzyć plik yml w nowym katalogu roboczym.

Plik zainstaluje zależności potrzebne do uruchomienia TensorFlow. Skopiuj i wklej ten kod do terminala.

Dla użytkowników MacOS:

touch hello-tf.yml

Wewnątrz anaconda3 powinien pojawić się nowy plik o nazwie hello-tf.yml

Dla litu szacuje się Windows użytkownik:

echo.>hello-tf.yml

Powinien pojawić się nowy plik o nazwie hello-tf.yml

Krok 4) Edytuj plik yml

Jesteś gotowy do edycji pliku yml.

Dla użytkowników MacOS:

Możesz wkleić następujący kod w Terminalu, aby edytować plik. Użytkownicy systemu MacOS mogą użyć vim aby edytować plik yml.

vi hello-tf.yml

Jak dotąd Twój terminal wygląda tak

Wpisujesz edit tryb. W tym trybie możesz po naciśnięciu esc:

• Naciśnij i, aby rozpocząć edycję
• Naciśnij esc, a następnie wpisz :w, aby zapisać
• Naciśnij klawisz Esc, a następnie wpisz :q!, aby wyjść bez zapisywania

Napisz poniższy kod w trybie edycji i naciśnij esc, a następnie :w

Uwaga: Plik to przypadek oraz wrażliwe na wcięcia. Dla każdego poziomu wcięcia wymagane są dwie spacje.

Dla 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 Wyjaśnienie

• name: hello-tf: Nazwa pliku yml
• zależności:
• pyton=3.6
• jowisz
• pyton
• pandy: zainstaluj Python 3.6, Jupyter, IPython i pandy.
• pip: zainstaluj a Python biblioteka
  • Koło URL: zainstaluj TensorFlow bezpośrednio z Google API pamięci masowej.

Naciśnij esc, a następnie :q!, aby opuścić tryb edycji.

Dla litu szacuje się Windows Użytkownik:

Windows nie ma vim, więc do tego kroku wystarczy Notatnik.

notepad hello-tf.yml

Wprowadź do pliku następujące polecenie

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

Code Wyjaśnienie

• name: hello-tf: Nazwa pliku yml
• zależności:
• pyton=3.6
• jowisz
• pyton
• pandy: zainstaluj Python 3.6, Jupyter, IPython i pandy.

Otworzy się notatnik, stąd możesz edytować plik.

Uwaga: Windows W następnym kroku użytkownicy instalują TensorFlow; tutaj wystarczy przygotować środowisko conda.

Krok 5) Skompiluj plik yml

Skompiluj plik .yml za pomocą następującego polecenia:

conda env create -f hello-tf.yml

Uwaga: Dla litu szacuje się Windows użytkowników, nowe środowisko zostanie utworzone w bieżącym katalogu użytkownika.

Zajmuje to czas i około 1.1 GB miejsca na dysku.

In Windows

Krok 6) Aktywuj środowisko Conda

Masz teraz dwa środowiska Conda.

Zaleca się praktykę w środowisku odizolowanym, ponieważ każdy uczenie maszynowe projekt wymaga innego zestawu bibliotek, który można usunąć po zakończeniu projektu.

conda env list

Gwiazdka oznacza aktywne środowisko. Aby je aktywować, przejdź do hello-tf. Nowoczesna wersja Condy używa Condy Activate na każdej platformie; wersja źródłowa Activate jest przestarzała.

Dla użytkowników MacOS:

source activate hello-tf

Dla litu szacuje się Windows użytkownik:

activate hello-tf

Potwierdź, że każda zależność jest rozwiązywana w tym samym środowisku, więc Python, Jupyter i TensorFlow mają jeden wspólny prefiks. Jeśli trzy ścieżki się różnią, należy przebudować środowisko.

Dla użytkowników MacOS:

which python
which jupyter
which ipython

Opcjonalny: Sprawdź dostępność aktualizacji.

pip install --upgrade tensorflow

Krok 7) Zainstaluj TensorFlow dla Windows użytkownik

Dla litu szacuje się Windows użytkownicy:

where python
where jupyter
where ipython

dwa Python Istnieją teraz środowiska: podstawowe i hello-tf. Tylko hello-tf obsługuje TensorFlow. Na rysunku python, jupyter i ipython odpowiadają temu samemu środowisku, więc TensorFlow można używać z poziomu Jupyter Notatnik.

Windows użytkownicy instalują TensorFlow za pomocą pip:

pip install tensorflow

Jak zaimportować TensorFlow do Jupyter Notatnik

Ta część jest identyczna w obu systemach operacyjnych. Pamiętaj, że środowisko musi być aktywowane za każdym razem przed uruchomieniem TensorFlow.

Będziesz postępować w następujący sposób:

• Aktywuj środowisko hello-tf conda
• Otwarte Jupyter
• Importuj TensorFlow
• Usuń notatnik
• Zamknij Jupyter

Krok 1) Aktywuj Condę

Dla użytkowników MacOS:

source activate hello-tf

Dla litu szacuje się Windows użytkownik:

conda activate hello-tf

Krok 2) Otwarte Jupyter

Następnie możesz otworzyć Jupyter z terminala

jupyter notebook

Przeglądarka powinna otworzyć się automatycznie; w przeciwnym razie skopiuj URL wydrukowane przez Terminal, którego adres zaczyna się od http://localhost:8888.

Na pulpicie nawigacyjnym wyświetlana jest lista wszystkich plików w katalogu roboczym. Kliknij Nowości oraz Python 3 aby utworzyć notatnik.

Uwaga: Nowy notatnik zostanie automatycznie zapisany w katalogu roboczym.

Krok 3) Importuj TensorFlow

Wewnątrz notatnika możesz zaimportować TensorFlow Jupyter Notatnik z aliasem tf. Kliknij, aby uruchomić. Poniżej utworzona zostanie nowa komórka.

import tensorflow as tf

Napiszmy Twój pierwszy kod za pomocą TensorFlow.

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

nowa napinacz został stworzony. Gratulacje, TensorFlow działa teraz z Jupyter na twojej maszynie.

Krok 4) Usuń plik

Usuń plik o nazwie Untitled.ipynb z Jupyter deska rozdzielcza.

Krok 5) Zamknij Jupyter

Jupyter można zamknąć z poziomu samego notatnika lub z poziomu terminala (Anaconda Prompt na Windows).

Od Jupyter

W głównym panelu Jupyter Notatnik, po prostu kliknij Wyloguj Się

Nastąpi przekierowanie do strony wylogowania.

Z terminala

Wybierz terminal lub Anaconda Prompt i naciśnij Ctrl+C dwa razy.

Pierwsze naciśnięcie Ctrl+C powoduje prośbę o potwierdzenie wyłączenia; drugie je potwierdza.

Pomyślnie się wylogowałeś.

Jupyter z głównym środowiskiem Conda

Aby uruchomić TensorFlow za pomocą Jupyter w kolejnej sesji najpierw aktywuj środowisko:

source activate hello-tf

Bez tego kroku, Jupyter uruchamia się w środowisku bazowym, a import kończy się niepowodzeniem.

FAQ