Як завантажити та встановити Tensorflow в Jupyter ноутбук

Автор: Евелін Кларк Евелін Кларк
Hours оновлений

⚡ Розумний підсумок

TensorFlow інсталюється чисто в ізольованому середовищі Anaconda, що забезпечує Python, Jupyter а фреймворк вирішує проблему одним шляхом та запобігає конфліктам версій з усіма іншими проектами даних, що вже знаходяться на тій самій машині.

  • 🔘 Виберіть конструкцію: Пакет процесора підходить для більшості навчальних завдань; для збірки на графічному процесорі потрібна відеокарта NVIDIA.
  • ☑️ Спочатку ізолюйте: Середовище conda, оголошене у файлі .yml, забезпечує відтворюваність залежностей.
  • ✅ Windows додатково: Windows спочатку готує середовище, потім додає TensorFlow за допомогою pip install tensorflow.
  • 🧪 Перевірте шлях: Python, Jupyter та iPython повинні виконуватися в одному середовищі.
  • 🛠️ Тест імпорту: Імпорт tensorflow як tf, а потім tf.constant доводить, що встановлення працює.
  • 🔒 Повторно активувати: Перед кожним новим сеансом потрібно активувати конду hello-tf. Jupyter починається
Детальніше

Завантажте та встановіть TensorFlow у Jupyter ноутбук

Установка TensorFlow з Anaconda on Windows or macOS займає одне середовище conda та кілька команд. Ви також дізнаєтеся, як імпортувати TensorFlow всередину Jupyter ноутбук, переглядач блокнотів у браузері.

Версії TensorFlow

TensorFlow підтримує обчислення на кількох центральних і графічних процесорах. Це означає, що обчислення можна розподілити між пристроями, щоб підвищити швидкість навчання. З розпаралелюванням вам не потрібно чекати тижнями, щоб отримати результати навчання алгоритмів.

Для Windows Для користувачів TensorFlow пропонує два варіанти збірки:

  • TensorFlow лише з підтримкою ЦПЯкщо на вашому комп'ютері немає відеокарти NVIDIA, встановіть цю збірку.
  • TensorFlow з підтримкою GPUШвидше для навчання, але налаштування варте лише тоді, коли вам потрібна реальна обчислювальна потужність.

У цьому посібнику достатньо базової версії TensorFlow. У таблиці нижче порівнюються дві збірки:

критерій Збірка процесора Збірка на графічному процесорі
пакет тензорний потік (колесо процесора) тензорний потік з середовищем виконання CUDA
Обладнання Будь-який процесор x86 або ARM Відеокарта NVIDIA з підтримкою CUDA
Найкраще для Підручники, маленькі моделі Великі тренувальні пробіги
Зусилля з налаштування Одна команда Зіставлення драйверів, CUDA та cuDNN

Примітка до версії: TensorFlow 2.10 був останнім релізом із native Windows Підтримка графічних процесорів. Починаючи з версії 2.11, Windows Користувачі запускають збірку GPU всередині WSL2 або встановлюють пакет CPU. Комп'ютери Apple Silicon Mac додають tensorflow-metal для прискорення.

Примітка: TensorFlow не забезпечує підтримку графічних процесорів CUDA на macOS.

Ось як діяти

macOS користувачів:

  • Встановити Anaconda
  • Створіть файл .yml для встановлення TensorFlow та залежностей
  • Запуск Jupyter ноутбук

Windows користувачів:

  • Встановити Anaconda
  • Створіть файл .yml для встановлення залежностей
  • Використовуйте pip, щоб додати TensorFlow
  • Запуск Jupyter ноутбук

Щоб запустити TensorFlow за допомогою Jupyter, створити спеціалізоване середовище всередині холдингу Anaconda IPython, Jupyter і TensorFlow. Додайте один важливий елемент наука про дані бібліотека, а також: панди, який маніпулює кадрами даних.

Встановити Anaconda

Завантажити Анаконда версія 4.3.1 (для Python 3.6) для відповідної системи.

Ці версії є застарілими: поточні пари TensorFlow 2.x поєднуються з Python 3.9–3.12. З 2024 року стандартний канал Anaconda також вимагає платної ліцензії для організацій з кількістю осіб понад 200, тому Miniconda або Miniforge з conda-forge є безкоштовним варіантом.

Anaconda керує бібліотеками, необхідними для Python or R, а потім встановлює їх для кожного середовища.

Створіть файл .yml для встановлення TensorFlow та залежностей

Це включає

  • Знайдіть шлях Анаконди
  • Встановіть робочий каталог на Anaconda
  • Створіть файл yml (для користувача MacOS тут встановлено TensorFlow)
  • Відредагуйте файл yml
  • Скомпілюйте файл yml
  • Активуйте Anaconda
  • Встановити TensorFlow (Windows тільки користувач)

Крок 1) Знайдіть Анаконду,

Перший крок, який вам потрібно зробити, це знайти шлях Анаконди.

Ви створите середовище conda, яке міститиме бібліотеки, що використовуються в навчальних посібниках з TensorFlow.

Windows

Якщо ви є Windows користувача, ви можете використовувати підказку Anaconda та ввести:

C:\>where anaconda

Anaconda Запит виведення команди where anaconda на Windows

Нам цікаво знати назву папки, де встановлено Anaconda, оскільки ми хочемо створити наше нове середовище всередині цього шляху. На зображенні вище Anaconda знаходиться в папці Admin; у вашій папці буде ваше власне ім'я користувача.

Далі вам потрібно перемістити робочий каталог з c:\ до Anaconda3.

MacOS

Для macOS Користувачі, відкрийте термінал і введіть:

which anaconda

Вивід терміналу команди which anaconda на macOS

Тепер ви створюєте папку всередині Anaconda, яка міститиме IPython, Jupyter та TensorFlowНайшвидший спосіб оголосити ці бібліотеки – це файл yml.

Крок 2) Встановити робочий каталог

Вкажіть робочий каталог, де буде створено yml-файл; як зазначалося вище, він знаходиться всередині Anaconda.

Для macOS користувачів:

Термінал за замовчуванням Користувачі/ІМ'Я КОРИСТУВАЧАНа рисунку нижче шлях до anaconda3 та робочий каталог збігаються; macOS показує поточну папку перед символом $. Кожна бібліотека встановлена ​​там.

Якщо шлях у вашому текстовому редакторі не збігається, виконайте команду cd PATH у терміналі, вказуючи шлях у лапки, якщо він містить пробіли.

macOS Термінал, що показує шлях anaconda3 як робочий каталог

Відкрийте свій термінал і введіть:

cd anaconda3

Для Windows Користувачі, перевірте папку, що передує Anaconda3:

cd C:\Users\Admin\Anaconda3

або шлях, який дає вам команда «where anaconda».

Windows запит після зміни каталогу на Anaconda3

СТАТТІ ПО ТЕМІ

Крок 3) Створіть файл yml

Ви можете створити файл yml у новому робочому каталозі.

Цей файл встановить залежності, необхідні для запуску TensorFlow. Скопіюйте та вставте цей код у термінал.

Для користувача MacOS:

touch hello-tf.yml

Новий файл під назвою hello-tf.yml має з’явитися всередині anaconda3

macOS Термінал створює hello-tf.yml за допомогою команди touch

Для Windows користувач:

echo.>hello-tf.yml

Має з’явитися новий файл під назвою hello-tf.yml

Windows запит на створення hello-tf.yml за допомогою команди echo

Крок 4) Відредагуйте файл yml

Ви готові редагувати файл yml.

Для користувача MacOS:

Ви можете вставити наступний код у термінал, щоб відредагувати файл. Користувач MacOS може використовувати vim для редагування файлу yml.

vi hello-tf.yml

Наразі ваш термінал виглядає так

Відкриття терміналу hello-tf.yml у редакторі vi

Ви вводите редагувати режим. У цьому режимі ви можете, натиснувши клавішу esc:

  • Натисніть i, щоб розпочати редагування
  • Натисніть Esc, а потім введіть :w, щоб зберегти
  • Натисніть Esc, а потім введіть :q!, щоб вийти без збереження змін

Напишіть наступний код у режимі редагування та натисніть esc, а потім :w

Список залежностей hello-tf.yml, введений усередині vi

Примітка: Файл корпусний та чутливий до відступів. Для кожного рівня відступу потрібно два пробіли.

Для 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 Пояснення

  • ім'я: hello-tf: ім'я файлу yml
  • залежності:
  • python=3.6
  • юпітер
  • пітон
  • pandas: встановити Python 3.6, Jupyter, ЯPython і панди.
  • pip: встановити a Python бібліотека
    • Колесо URL: встановити TensorFlow безпосередньо з Google API сховища.

Натисніть Esc, а потім :q!, щоб вийти з режиму редагування.

Збережений файл hello-tf.yml відображається після виходу з vi

Для Windows Користувач:

Windows не має vim, тому для цього кроку достатньо Блокнота.

notepad hello-tf.yml

Введіть наступне у файл

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

Code Пояснення

  • ім'я: hello-tf: ім'я файлу yml
  • залежності:
  • python=3.6
  • юпітер
  • пітон
  • pandas: встановити Python 3.6, Jupyter, ЯPython і панди.

Відкриється блокнот, звідси ви зможете редагувати файл.

Файл hello-tf.yml відкрився у Windows Блокнот

Примітка: Windows Користувачі встановлюють TensorFlow на наступному кроці; тут ви лише готуєте середовище conda.

Крок 5) Скомпілюйте файл yml

Скомпілюйте файл .yml за допомогою такої команди:

conda env create -f hello-tf.yml

Примітка: Для Windows користувачів, нове середовище створюється всередині поточного каталогу користувача.

Це займає час і приблизно 1.1 ГБ місця на диску.

conda env створює вивід, що дозволяє вирішити залежності hello-tf від macOS

In Windows

conda env створює вивід, що дозволяє вирішити залежності hello-tf від Windows

Крок 6) Активуйте середовище conda

Тепер у вас є два середовища conda.

Рекомендовано використовувати ізольоване середовище, оскільки кожен навчання за допомогою машини Для проекту потрібен інший набір бібліотек, і ви можете видалити його після завершення проекту.

conda env list

Список середовищ conda, що показує базове середовище та середовище hello-tf

Зірочка позначає активне середовище. Перемкніться на hello-tf, щоб активувати його. Сучасна конда використовує conda activate на кожній платформі; source activate є застарілим.

Для користувача MacOS:

source activate hello-tf

Для Windows користувач:

activate hello-tf

Запит терміналу після активації середовища hello-tf

Переконайтеся, що кожна залежність вирішується в одному середовищі, тому Python, Jupyter та TensorFlow мають один спільний префікс. Якщо три шляхи відрізняються, перебудуйте середовище.

Для користувача MacOS:

which python
which jupyter
which ipython

який Python, Jupyter та Ipython вирішують задачу всередині hello-tf macOS

Додатково: Перевірте наявність оновлень.

pip install --upgrade tensorflow

Крок 7) Встановіть TensorFlow For Windows користувач

Для Windows користувачів:

where python
where jupyter
where ipython

де python, jupyter та ipython розв'язують задачу всередині hello-tf Windows

Два Python Тепер існують такі середовища: базове та hello-tf. Тільки hello-tf містить TensorFlow. На зображенні python, jupyter та ipython звертаються до одного й того ж середовища, тому TensorFlow можна використовувати з... Jupyter Notebook.

Windows користувачі встановлюють TensorFlow за допомогою pip:

pip install tensorflow

pip встановлює вивід tensorflow всередині середовища hello-tf

Як імпортувати TensorFlow у Jupyter ноутбук

Ця частина ідентична в обох операційних системах. Пам’ятайте, що середовище має бути активоване щоразу перед відкриттям TensorFlow.

Ви будете діяти наступним чином:

  • Активуйте середовище hello-tf conda
  • відкритий Jupyter
  • Імпорт TensorFlow
  • Видалити блокнот
  • Закрити Jupyter

Крок 1) Активувати конду

Для користувача MacOS:

source activate hello-tf

Для Windows користувач:

conda activate hello-tf

Активація середовища conda hello-tf перед відкриттям Jupyter

Крок 2) відкритий Jupyter

Після цього можна відкривати Jupyter від терміналу

jupyter notebook

Команда jupyter notebook для запуску сервера блокнотів

Браузер має відкритися автоматично; інакше скопіюйте URL друкується терміналом, який починається з http://localhost:8888.

На панелі інструментів перелічено всі файли в робочому каталозі. Натисніть Нові та Python 3 створити блокнот.

Примітка: Новий блокнот автоматично зберігається в робочому каталозі.

Jupyter панель інструментів з новим та Python 3 меню відкрито

Крок 3) Імпорт TensorFlow

Усередині блокнота ви можете імпортувати TensorFlow Jupyter Блокнот з псевдонімом tf. Натисніть, щоб запустити. Нижче буде створено нову клітинку.

import tensorflow as tf

Комірка ноутбука виконує імпорт tensorflow як tf

Давайте напишемо ваш перший код за допомогою TensorFlow.

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

Новий тензор створено. Вітаємо, TensorFlow тепер працює з Jupyter на вашій машині.

Клітинка блокнота, що створює повідомлення «Привіт» Guru99 константний тензор

Крок 4) Видалити файл

Видаліть файл з назвою Untitled.ipynb з Jupyter приладова панель.

Видалення файлу Untitled.ipynb з Jupyter приладова панель

Крок 5) Закрити Jupyter

Jupyter можна закрити з самого блокнота або з терміналу (запит Anaconda на Windows).

З Jupyter

На головній панелі Jupyter Блокнот, просто натисніть Вийти

Кнопка виходу в Jupyter Головна панель ноутбука

Вас буде перенаправлено на сторінку виходу.

Jupyter сторінка підтвердження виходу

З терміналу

Виберіть термінал або Anaconda Prompt і двічі натисніть Ctrl+C.

Перше натискання Ctrl+C просить підтвердити вимкнення; друге підтверджує його.

Запит термінала на підтвердження вимкнення сервера ноутбука

Термінал після Jupyter сервер зупинився

Ви успішно вийшли.

Jupyter з основним середовищем conda

Щоб запустити TensorFlow за допомогою Jupyter у наступному сеансі спочатку активуйте середовище:

source activate hello-tf

Без цього кроку, Jupyter запускається в базовому середовищі, а імпорт не вдається.

Jupyter запущено з базового середовища conda без TensorFlow

Поширені запитання

Підтримка останніх випусків TensorFlow Python 3.9–3.12. Закріпіть версію у вашому .yml-файлі, щоб conda вирішила відповідне колесо та уникнула Python збірки новіші за список нотаток до випуску.

TensorFlow офіційно постачається на PyPI, тому pip install tensorflow всередині середовища conda є підтримуваним маршрутом. Використовуйте conda для Python, Jupyter та панди, а потім pip для самого фреймворку.

Виконайте tf.config.list_physical_devices('GPU') у клітинці блокнота. Порожній список означає, що збірка процесора активна або версії CUDA та cuDNN не відповідають вимогам випуску.

Ядро ноутбука працює в іншому середовищі. Активуйте hello-tf перед запуском. Jupyterабо зареєструйте середовище як ядро ​​за допомогою python -m ipykernel install –user –name hello-tf.

Виконайте команду conda env remove -n hello-tf з базового середовища. Спочатку деактивуйте його, а потім підтвердіть за допомогою conda env list, що запис видалено, а дисковий простір звільнено.

Встановіть tensorflow всередині рідного середовища arm64, а потім додайте плагін tensorflow-metal, щоб Keras використовував графічний процесор Apple. Збірки Rosetta запускаються, але повністю втрачають прискорення.

Copilot створює чернетки файлів .yml, команди pip та фрагменти реєстрації ядра зі звичайного коментаря, що скорочує час налаштування. Перед запуском будь-яких функцій версії все ще потрібно перевіряти на відповідність офіційним нотаткам до випуску.

Тепер помічники створюють цикли навчання, пропонують діапазони гіперпараметрів та пояснюють помилки всередині блокнота. Це пришвидшує роботу. навчання за допомогою машини ітерація, хоча оцінка та якість даних залишаються людськими рішеннями.

Підсумуйте цей пост за допомогою: