Como baixar e instalar o Tensorflow em Jupyter Portátil

Por: Evelyn Clarke Evelyn Clarke
Hours Atualização do

⚡ Resumo Inteligente

O TensorFlow é instalado de forma limpa dentro de um ambiente Anaconda isolado, o que mantém Python, Jupyter e a estrutura resolve para um único caminho e evita conflitos de versão com todos os outros projetos de dados já existentes na mesma máquina.

  • 🔘 Escolha uma configuração: O pacote de CPU é adequado para a maioria das tarefas de aprendizagem; a configuração com GPU requer uma placa NVIDIA.
  • ☑️ Primeiro, isole-se: Um ambiente conda declarado em um arquivo .yml mantém as dependências reproduzíveis.
  • ✅ Windows extra: Windows Primeiro, prepara o ambiente e, em seguida, adiciona o TensorFlow com o comando `pip install tensorflow`.
  • 🧪 Verifique o caminho: Python, Jupyter e IPython devem ser executados no mesmo ambiente.
  • 🛠️ Teste de importação: Importar o TensorFlow como `tf` seguido de `tf.constant` comprova que a instalação funciona.
  • 🔒 Reativar: Cada nova sessão precisa do comando `conda activate hello-tf` antes de iniciar. Jupyter Começa.
Saiba Mais

Baixe e instale o TensorFlow em Jupyter Portátil

Instalando TensorFlow com Anaconda on Windows or macOS É necessário apenas um ambiente conda e alguns comandos. Você também aprenderá como importar o TensorFlow internamente. Jupyter Portátil, o visualizador de notebooks baseado em navegador.

Versões do TensorFlow

O TensorFlow oferece suporte a cálculos em várias CPUs e GPUs. Isso significa que os cálculos podem ser distribuídos entre dispositivos para melhorar a velocidade do treinamento. Com a paralelização, você não precisa esperar semanas para obter os resultados dos algoritmos de treinamento.

Para Windows Para os usuários, o TensorFlow oferece duas variantes de compilação:

  • TensorFlow apenas com suporte de CPUSe o seu computador não tiver uma placa gráfica NVIDIA, instale esta versão.
  • TensorFlow com suporte para GPUMais rápido para treinamento, mas a configuração só vale a pena quando você precisa de capacidade computacional real.

Neste tutorial, a versão básica do TensorFlow é suficiente. A tabela abaixo compara as duas versões:

Critério construção de CPU construção de GPU
Pacote TensorFlow (roda de CPU) TensorFlow com tempo de execução CUDA
Hardware Qualquer processador x86 ou ARM Placa NVIDIA com suporte a CUDA
Melhor para Tutoriais, modelos pequenos Grandes corridas de treinamento
Esforço de configuração Um comando Correspondência entre drivers, CUDA e cuDNN

Nota sobre a versão: o TensorFlow 2.10 foi a última versão com suporte nativo. Windows Suporte a GPU. A partir da versão 2.11, Windows Os usuários executam a versão para GPU dentro do WSL2 ou instalam o pacote para CPU. Os Macs com Apple Silicon adicionam o tensorflow-metal para aceleração.

Observação: O TensorFlow não oferece suporte a GPUs CUDA em macOS.

Aqui está como proceder

macOS Comercial:

  • Instale o Anaconda
  • Crie um arquivo .yml para instalar o TensorFlow e suas dependências.
  • Lançamento Jupyter Portátil

Windows Comercial:

  • Instale o Anaconda
  • Crie um arquivo .yml para instalar dependências
  • Use pip para adicionar o TensorFlow
  • Lançamento Jupyter Portátil

Para executar o TensorFlow com Jupyter, criar um ambiente dedicado dentro do Anaconda que contém IPython, Jupyter e TensorFlow. Adicione um elemento essencial. ciência de dados biblioteca também: pandas, que manipula quadros de dados.

Instale o Anaconda

Baixar Jibóia versão 4.3.1 (para Python 3.6) para o sistema apropriado.

Essas versões são legadas: os pares atuais do TensorFlow 2.x com Python 3.9 a 3.12. Desde 2024, o canal padrão do Anaconda também exige uma licença paga para organizações com mais de 200 pessoas, portanto, o Miniconda ou o Miniforge com conda-forge são a alternativa gratuita.

O Anaconda gerencia as bibliotecas necessárias para Python or REm seguida, instala-os em cada ambiente.

Crie um arquivo .yml para instalar o TensorFlow e suas dependências.

Inclui

  • Localize o caminho da Anaconda
  • Defina o diretório de trabalho como Anaconda
  • Crie o arquivo yml (para usuário MacOS, TensorFlow é instalado aqui)
  • Edite o arquivo yml
  • Compilar o arquivo yml
  • Ativar Anaconda
  • Instale o TensorFlow (Windows somente usuário)

Passo 1) Localize Anaconda,

O primeiro passo que você precisa fazer é localizar o caminho do Anaconda.

Você criará um ambiente conda contendo as bibliotecas utilizadas ao longo dos tutoriais do TensorFlow.

Windows

Se você é um Windows usuário, você pode usar o Prompt do Anaconda e digitar:

C:\>where anaconda

Saída do Anaconda Prompt do comando where anaconda em Windows

Gostaríamos de saber o nome da pasta onde o Anaconda está instalado, pois queremos criar nosso novo ambiente nesse diretório. Na imagem acima, o Anaconda está na pasta Admin; a sua pasta terá o seu nome de usuário.

Em seguida, você moverá o diretório de trabalho de c:\ para Anaconda3.

MacOS

Para macOS Usuários, abram o Terminal e digitem:

which anaconda

Saída do terminal do comando `which anaconda` em macOS

Agora você cria uma pasta dentro do Anaconda que conterá IPython, Jupyter e TensorFlowA maneira mais rápida de declarar essas bibliotecas é através de um arquivo YAML.

Passo 2) Definir diretório de trabalho

Especifique o diretório de trabalho onde o arquivo YAML será criado; como mencionado acima, ele está localizado dentro do Anaconda.

Para macOS Comercial:

O terminal está configurado por padrão para Usuários/NOME DE USUÁRIONa figura abaixo, o caminho do Anaconda3 e o diretório de trabalho correspondem; macOS Mostra a pasta atual antes do símbolo $. Todas as bibliotecas estão instaladas ali.

Se o caminho no seu editor de texto não corresponder, execute o comando `cd CAMINHO` no Terminal, colocando o caminho entre aspas quando ele contiver espaços.

macOS Terminal mostrando o caminho do anaconda3 como diretório de trabalho

Abra seu Terminal e digite:

cd anaconda3

Para Windows Usuários, verifiquem a pasta que precede o Anaconda3:

cd C:\Users\Admin\Anaconda3

ou o caminho “onde o comando anaconda” fornece

Windows mensagem exibida após a mudança de diretório para Anaconda3

ARTIGOS RELACIONADOS

Passo 3) Crie o arquivo yml

Você pode criar o arquivo yml dentro do novo diretório de trabalho.

O arquivo instalará as dependências necessárias para executar o TensorFlow. Copie e cole este código no Terminal.

Para usuário MacOS:

touch hello-tf.yml

Um novo arquivo chamado hello-tf.yml deve aparecer dentro do anaconda3

macOS Terminal criando hello-tf.yml com o comando touch

Para Windows usuário:

echo.>hello-tf.yml

Um novo arquivo chamado hello-tf.yml deve aparecer

Windows prompt criando hello-tf.yml com o comando echo

Passo 4) Edite o arquivo yml

Você está pronto para editar o arquivo yml.

Para usuário MacOS:

Você pode colar o seguinte código no Terminal para editar o arquivo. O usuário MacOS pode usar vim para editar o arquivo yml.

vi hello-tf.yml

Até agora, seu Terminal está assim

Abrindo o terminal hello-tf.yml no editor vi

Você insere um editar modo. Dentro deste modo, você pode, após pressionar esc:

  • Pressione i para começar a editar
  • Pressione Esc e digite :w para salvar.
  • Pressione Esc e digite :q! para sair sem salvar.

Escreva o seguinte código no modo de edição e pressione esc seguido de :w

A lista de dependências hello-tf.yml foi digitada dentro do vi.

Observação: O arquivo é caso e Sensível à indentação. São necessários dois espaços para cada nível de indentação.

Para 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 Explicação

  • nome: hello-tf: Nome do arquivo yml
  • dependências:
  • python=3.6
  • Jupyter
  • Pitão
  • pandas: Instalar Python 3.6, Jupyter, IPython e pandas.
  • pip: Instale um Python biblioteca
    • A roda URLInstale o TensorFlow diretamente do Google API de armazenamento.

Pressione Esc seguido de :q! para sair do modo de edição.

O arquivo hello-tf.yml salvo é exibido após sair do vi.

Para Windows Usuário:

Windows não tem vimPortanto, o Bloco de Notas é suficiente para esta etapa.

notepad hello-tf.yml

Digite o seguinte no arquivo

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

Code Explicação

  • nome: hello-tf: Nome do arquivo yml
  • dependências:
  • python=3.6
  • Jupyter
  • Pitão
  • pandas: Instalar Python 3.6, Jupyter, IPython e pandas.

Isso abrirá o bloco de notas, você pode editar o arquivo aqui.

O arquivo hello-tf.yml foi aberto em Windows Bloco de notas

Observação: Windows Na próxima etapa, os usuários instalam o TensorFlow; aqui, você só precisa preparar o ambiente conda.

Passo 5) Compilar o arquivo yml

Compile o arquivo .yml com o seguinte comando:

conda env create -f hello-tf.yml

Observação: Para Windows users, o novo ambiente é criado dentro do diretório de usuário atual.

Isso requer tempo e aproximadamente 1.1 GB de espaço em disco.

conda env create output resolvendo as dependências do hello-tf em macOS

In Windows

conda env create output resolvendo as dependências do hello-tf em Windows

Passo 6) Ativar ambiente conda

Agora você tem dois ambientes conda.

Um ambiente isolado é uma prática recomendada, porque cada aprendizado de máquina O projeto precisa de um conjunto de bibliotecas diferente, e você pode excluí-lo quando o projeto terminar.

conda env list

lista de ambientes conda mostrando os ambientes base e hello-tf

O asterisco indica o ambiente ativo. Alterne para hello-tf para ativá-lo. O conda moderno usa conda activate em todas as plataformas; source activate está obsoleto.

Para usuário MacOS:

source activate hello-tf

Para Windows usuário:

activate hello-tf

Prompt do terminal após ativar o ambiente hello-tf

Confirme se todas as dependências são resolvidas no mesmo ambiente. Python, Jupyter O TensorFlow e o ambiente de desenvolvimento compartilham o mesmo prefixo. Se os três caminhos forem diferentes, reconstrua o ambiente.

Para usuário MacOS:

which python
which jupyter
which ipython

Qual Python, Jupyter e IPython resolvem dentro do hello-tf? macOS

Opcional: Verifique se há uma atualização.

pip install --upgrade tensorflow

Passo 7) Instale o TensorFlow para Windows usuário

Para Windows Comercial:

where python
where jupyter
where ipython

onde python, jupyter e ipython resolvendo dentro de hello-tf em Windows

Dois Python Agora existem dois ambientes: o básico e o hello-tf. Apenas o hello-tf inclui o TensorFlow. Na imagem, Python, Jupyter e IPython são resolvidos para o mesmo ambiente, portanto o TensorFlow pode ser usado a partir dele. Jupyter Caderno.

Windows Os usuários instalam o TensorFlow com o pip:

pip install tensorflow

Instale o TensorFlow com o pip e execute o comando `pip install tensorflow` dentro do ambiente `hello-tf`.

Como importar o TensorFlow em Jupyter Portátil

Esta parte é idêntica em ambos os sistemas operacionais. Lembre-se de que o ambiente deve ser ativado sempre antes de abrir o TensorFlow.

Você procederá da seguinte forma:

  • Ative o ambiente hello-tf conda
  • Abra Jupyter
  • Importar TensorFlow
  • Excluir bloco de notas
  • Fechar Jupyter

Passo 1) Ativar conda

Para usuário MacOS:

source activate hello-tf

Para Windows usuário:

conda activate hello-tf

Ativar o ambiente conda hello-tf antes de abrir Jupyter

Passo 2) Abra Jupyter

Depois disso, você pode abrir Jupyter do Terminal

jupyter notebook

comando jupyter notebook para iniciar o servidor de notebooks

O navegador deve abrir automaticamente; caso contrário, copie o URL impresso pelo Terminal, que começa com http://localhost:8888.

O painel lista todos os arquivos no diretório de trabalho. Clique New e Python 3 Criar um caderno.

Observação: O novo notebook é salvo automaticamente no diretório de trabalho.

Jupyter painel com o Novo e Python 3 menu aberto

Passo 3) Importar TensorFlow

Dentro do notebook, você pode importar o TensorFlow em Jupyter Notebook com o alias tf. Clique para executar. Uma nova célula é criada abaixo.

import tensorflow as tf

Célula do notebook executando import tensorflow as tf

Vamos escrever seu primeiro código com o TensorFlow.

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

Um novo tensor foi criado. Parabéns, o TensorFlow agora está em execução com Jupyter na sua máquina.

Célula do caderno que cria o "Olá, Guru99 tensor constante

Passo 4) Excluir arquivo

Exclua o arquivo chamado Untitled.ipynb da pasta Jupyter painel de controle.

Excluindo o arquivo Untitled.ipynb do Jupyter painel de instrumentos

Passo 5) Fechar Jupyter

Jupyter Pode ser fechado a partir do próprio notebook ou do terminal (Anaconda Prompt). Windows).

Desde Jupyter

No painel principal do Jupyter Caderno, basta clicar em Sair

Botão de logout no Jupyter Painel principal do notebook

Você é redirecionado para a página de logout.

Jupyter página de confirmação de logout

Do terminal

Selecione o terminal ou o Anaconda Prompt e pressione Ctrl+C duas vezes.

O primeiro Ctrl+C pede que você confirme o desligamento; o segundo confirma.

Uma mensagem no terminal solicita a confirmação do desligamento do servidor do notebook.

Terminal após o Jupyter O servidor parou.

Você efetuou logout com sucesso.

Jupyter com o ambiente conda principal

Para iniciar o TensorFlow com Jupyter Em uma sessão futura, ative o ambiente primeiro:

source activate hello-tf

Sem essa etapa, Jupyter O processo inicia no ambiente base e a importação falha.

Jupyter Comecei a partir do ambiente conda básico sem o TensorFlow.

Perguntas Frequentes

As versões recentes do TensorFlow oferecem suporte a Python 3.9 a 3.12. Defina a versão no seu arquivo .yml para que o conda encontre um pacote wheel compatível e evite Python versões mais recentes do que as listadas nas notas de lançamento.

O TensorFlow é distribuído oficialmente no PyPI, portanto, instalar o TensorFlow com o pip dentro de um ambiente conda é o método recomendado. Use o conda para... Python, Jupyter e pandas, depois pip para o próprio framework.

Execute `tf.config.list_physical_devices('GPU')` em uma célula do notebook. Uma lista vazia significa que a versão para CPU está ativa ou que as versões do CUDA e do cuDNN não correspondem aos requisitos da versão.

O kernel do notebook está sendo executado em um ambiente diferente. Ative o hello-tf antes de iniciar. Jupyterou registre o ambiente como um kernel com python -m ipykernel install –user –name hello-tf.

Execute o comando `conda env remove -n hello-tf` no ambiente base. Desative-o primeiro e, em seguida, confirme com `conda env list` se a entrada foi removida e se o espaço em disco foi liberado.

Instale o TensorFlow em um ambiente arm64 nativo e, em seguida, adicione o plugin tensorflow-metal para que o Keras utilize a GPU da Apple. As compilações do Rosetta são executadas, mas perdem completamente a aceleração.

O Copilot gera arquivos .yml, comandos pip e trechos de código para registro no kernel a partir de um comentário simples, o que simplifica a configuração. Ainda é necessário verificar as versões fixadas nas notas de lançamento oficiais antes de executar qualquer comando.

Agora, os assistentes elaboram loops de treinamento, sugerem intervalos de hiperparâmetros e explicam erros dentro do notebook. Isso acelera o processo. aprendizado de máquina A iteração, embora a avaliação e a qualidade dos dados continuem sendo decisões humanas.

Resuma esta postagem com: