Hur man laddar ner och installerar Tensorflow i Jupyter Notebook
⚡ Smart sammanfattning
TensorFlow installeras smidigt i en isolerad Anaconda-miljö, vilket håller Python, Jupyter och ramverket löser upp sig till en enda sökväg och förhindrar versionskrockar med alla andra dataprojekt som redan finns på samma maskin.
Installera TensorFlow med Anaconda on Windows or macOS tar en conda-miljö och några kommandon. Du kommer också att lära dig hur man importerar TensorFlow inuti Jupyter Notebook, det webbläsarbaserade anteckningsboksvisaren.
TensorFlow-versioner
TensorFlow stöder beräkningar över flera CPU:er och GPU:er. Det innebär att beräkningarna kan fördelas över enheter för att förbättra träningshastigheten. Med parallellisering behöver du inte vänta i veckor för att få resultaten av träningsalgoritmer.
För Windows För användare erbjuder TensorFlow två byggvarianter:
- TensorFlow med endast CPU-stödOm din maskin inte har någon NVIDIA GPU, installera den här versionen.
- TensorFlow med GPU-stödSnabbare för träning, men värt installationen bara när du behöver verklig beräkningskapacitet.
Under den här handledningen räcker det med grundversionen av TensorFlow. Tabellen nedan jämför de två versionerna:
| Kriterium | CPU-bygge | GPU-bygge |
|---|---|---|
| Paket | tensorflöde (CPU-hjul) | tensorflöde med CUDA-körtid |
| hårdvara | Valfri x86- eller ARM-processor | NVIDIA-kort med stöd för CUDA |
| Bäst för | Handledningar, små modeller | Stora träningspass |
| Installationsarbete | Ett kommando | Matchning av drivrutin, CUDA och cuDNN |
Versionsinformation: TensorFlow 2.10 var den senaste utgåvan med nativa funktioner Windows GPU-stöd. Från och med 2.11, Windows Användare kör GPU-bygget inuti WSL2 eller installerar CPU-paketet. Apple Silicon Macs lägger till tensorflow-metal för acceleration.
Obs: TensorFlow erbjuder inte CUDA GPU-stöd på macOS.
Så här går du tillväga
macOS användare:
- Installera Anaconda
- Skapa en .yml-fil för att installera TensorFlow och beroenden
- Starta Jupyter Notebook
Windows användare:
- Installera Anaconda
- Skapa en .yml-fil för att installera beroenden
- Använd pip för att lägga till TensorFlow
- Starta Jupyter Notebook
Att köra TensorFlow med Jupyter, skapa en dedikerad miljö inuti Anaconda Holding IPython, Jupyter och TensorFlow. Lägg till en viktig datavetenskap även biblioteket: pandor, som manipulerar dataramar.
Installera Anaconda
Ladda ner Anakonda version 4.3.1 (för Python 3.6) för lämpligt system.
Dessa versioner är äldre: nuvarande TensorFlow 2.x parar ihop med Python 3.9 till 3.12. Sedan 2024 kräver Anacondas standardkanal även en betald licens för organisationer över 200 personer, så Miniconda eller Miniforge med conda-forge är den kostnadsfria vägen.
Anaconda hanterar de bibliotek som krävs för Python or Roch installerar dem sedan per miljö.
Skapa .yml-fil för att installera TensorFlow och beroenden
Det inkluderar
- Hitta Anacondas väg
- Ställ in arbetskatalogen till Anaconda
- Skapa yml-filen (för MacOS-användare installeras TensorFlow här)
- Redigera yml-filen
- Kompilera yml-filen
- Aktivera Anaconda
- Installera TensorFlow (Windows endast användare)
Steg 1) Hitta Anaconda,
Det första steget du behöver göra är att hitta vägen till Anaconda.
Du kommer att skapa en conda-miljö som innehåller de bibliotek som används i TensorFlow-handledningarna.
Windows
Om du är en Windows användare kan du använda Anaconda Prompt och skriva:
C:\>where anaconda
Vi är intresserade av att veta namnet på mappen där Anaconda är installerat eftersom vi vill skapa vår nya miljö i den här sökvägen. På bilden ovan ligger Anaconda i administratörsmappen; din kommer att ha ditt eget användarnamn.
Nästa steg är att flytta arbetskatalogen från c:\ till Anaconda3.
MacOS
För macOS användare, öppna terminalen och skriv:
which anaconda
Du skapar nu en mapp i Anaconda som kommer att innehålla IPython, Jupyter och TensorFlowDet snabbaste sättet att deklarera dessa bibliotek är en yml-fil.
Steg 2) Ställ in arbetskatalog
Ange arbetskatalogen där yml-filen ska skapas; som nämnts ovan finns den inuti Anaconda.
För macOS användare:
Terminalen är som standard inställd på Användare/ANVÄNDARNAMNI figuren nedan matchar anaconda3-sökvägen och arbetskatalogen; macOS visar den aktuella mappen före $. Alla bibliotek installeras där.
Om sökvägen i din textredigerare inte matchar, kör cd PATH i terminalen och citera sökvägen när den innehåller mellanslag.
Öppna din terminal och skriv:
cd anaconda3
För Windows användare, kontrollera mappen som kommer före Anaconda3:
cd C:\Users\Admin\Anaconda3
eller sökvägen "där anaconda"-kommandot ger dig
Steg 3) Skapa yml-filen
Du kan skapa yml-filen i den nya arbetskatalogen.
Filen kommer att installera de beroenden du behöver för att köra TensorFlow. Kopiera och klistra in den här koden i terminalen.
För MacOS-användare:
touch hello-tf.yml
En ny fil med namnet hello-tf.yml bör visas inuti anaconda3
För Windows användare:
echo.>hello-tf.yml
En ny fil med namnet hello-tf.yml bör visas
Steg 4) Redigera yml-filen
Du är redo att redigera yml-filen.
För MacOS-användare:
Du kan klistra in följande kod i terminalen för att redigera filen. MacOS-användare kan använda vim för att redigera yml-filen.
vi hello-tf.yml
Hittills ser din terminal ut så här
Du anger en redigera läge. I detta läge kan du, efter att ha tryckt på esc:
- Tryck på i för att börja redigera
- Tryck på esc och skriv sedan :w för att spara
- Tryck på esc och skriv sedan :q! för att avsluta utan att spara
Skriv följande kod i redigeringsläget och tryck på esc följt av :w
Obs: Filen är case och indragningskänslig. Två mellanslag krävs för varje indragningsnivå.
För 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 Förklaring
- namn: hello-tf: Namn på yml-filen
- beroenden:
- python=3.6
- jupyter
- pytonorm
- pandor: Installera Python 3.6 Jupyter, JagPython och pandor.
- pip: Installera en Python
- Hjulet URLinstallera TensorFlow direkt från Google lagrings-API.
Tryck esc följt av :q! för att lämna redigeringsläget.
För Windows Användare:
Windows har ingen vim, så Anteckningar räcker för det här steget.
notepad hello-tf.yml
Ange följande i filen
name: hello-tf dependencies: - python=3.6 - jupyter - ipython - pandas
Code Förklaring
- namn: hello-tf: Namn på yml-filen
- beroenden:
- python=3.6
- jupyter
- pytonorm
- pandor: Installera Python 3.6 Jupyter, JagPython och pandor.
Det kommer att öppna anteckningsblocket, du kan redigera filen härifrån.
Obs: Windows användare installerar TensorFlow i nästa steg; här förbereder du bara conda-miljön.
Steg 5) Kompilera yml-filen
Kompilera .yml-filen med följande kommando:
conda env create -f hello-tf.yml
Obs: För Windows användare skapas den nya miljön i den aktuella användarkatalogen.
Det tar tid och ungefär 1.1 GB diskutrymme.
In Windows
Steg 6) Aktivera conda-miljön
Du har nu två konda-miljöer.
En isolerad miljö rekommenderas, eftersom varje maskininlärning Projektet behöver en annan biblioteksuppsättning, och du kan ta bort den när projektet avslutas.
conda env list
Asterisken markerar den aktiva miljön. Växla till hello-tf för att aktivera den. Moderna conda använder conda activate på alla plattformar; källkod activate är föråldrad.
För MacOS-användare:
source activate hello-tf
För Windows användare:
activate hello-tf
Bekräfta att alla beroenden löses inom samma miljö, så Python, Jupyter och TensorFlow delar ett prefix. Om de tre sökvägarna skiljer sig åt, bygg om miljön.
För MacOS-användare:
which python which jupyter which ipython
Frivillig: Sök efter en uppdatering.
pip install --upgrade tensorflow
Steg 7) Installera TensorFlow For Windows användare
För Windows användare:
where python where jupyter where ipython
Två Python miljöer finns nu: basmiljön och hello-tf. Endast hello-tf bär TensorFlow. I bilden kopplas python, jupyter och ipython alla till samma miljö, så TensorFlow kan användas från en Jupyter Anteckningsbok.
Windows användare installerar TensorFlow med pip:
pip install tensorflow
Hur man importerar TensorFlow till Jupyter Notebook
Den här delen är identisk på båda operativsystemen. Kom ihåg att miljön måste aktiveras varje gång innan du öppnar TensorFlow.
Du kommer att gå tillväga enligt följande:
- Aktivera hello-tf conda-miljö
- Öppet Jupyter
- Importera TensorFlow
- Ta bort anteckningsbok
- Stäng Jupyter
Steg 1) Aktivera conda
För MacOS-användare:
source activate hello-tf
För Windows användare:
conda activate hello-tf
Steg 2) Öppet Jupyter
Efter det kan du öppna Jupyter från terminalen
jupyter notebook
Webbläsaren bör öppnas automatiskt; annars kopiera URL utskrivet av terminalen, vilket börjar med http://localhost:8888.
Instrumentpanelen listar alla filer i arbetskatalogen. Klicka på Nytt och Python 3 att skapa en anteckningsbok.
Obs: Den nya anteckningsboken sparas automatiskt i arbetskatalogen.
Steg 3) Importera TensorFlow
Inuti anteckningsboken kan du importera TensorFlow in Jupyter Anteckningsbok med tf-aliaset. Klicka för att köra. En ny cell skapas nedan.
import tensorflow as tf
Låt oss skriva din första kod med TensorFlow.
hello = tf.constant('Hello, Guru99!') hello
En ny tensor är skapad. Grattis, TensorFlow körs nu med Jupyter på din maskin.
Steg 4) Radera fil
Ta bort filen med namnet Untitled.ipynb från Jupyter instrumentbräda.
Steg 5) Stäng Jupyter
Jupyter kan stängas från själva anteckningsboken eller från terminalen (Anaconda-prompten på Windows).
Från Jupyter
I huvudpanelen av Jupyter Anteckningsbok, klicka bara på Logga ut
Du omdirigeras till utloggningssidan.
Från terminalen
Markera terminal- eller Anaconda-prompten och tryck två gånger på Ctrl+C.
Den första Ctrl+C-tangenten ber dig bekräfta avstängningen; den andra bekräftar det.
Du har loggat ut.
Jupyter med den huvudsakliga conda-miljön
För att starta TensorFlow med Jupyter i en framtida session, aktivera miljön först:
source activate hello-tf
Utan det steget, Jupyter startar i basmiljön och importen misslyckas.




























