如何在 Jupyter 笔记本
伊芙琳·克拉克
⚡ 智能摘要
TensorFlow 可以干净地安装在隔离的 Anaconda 环境中，这样可以保持…… Python, Jupyter 该框架解析为一个路径，并防止与同一台机器上已有的所有其他数据项目发生版本冲突。
安装 使用 Anaconda 的 TensorFlow on Windows or macOS 只需一个 conda 环境和几个命令。您还将学习如何在内部导入 TensorFlow。 Jupyter 笔记本基于浏览器的笔记本查看器。
TensorFlow 版本
TensorFlow 支持跨多个 CPU 和 GPU 进行计算。这意味着计算可以分布在各个设备上以提高训练速度。通过并行化，您无需等待数周即可获得训练算法的结果。
对于 Windows 对于用户而言，TensorFlow 提供了两种构建变体：
- 仅支持 CPU 的 TensorFlow如果您的机器没有 NVIDIA GPU，请安装此版本。
- 支持 GPU 的 TensorFlow训练速度更快，但只有在需要真正的计算能力时才值得进行设置。
本教程中，TensorFlow 的基础版本就足够了。下表对比了两种版本：
| 标准 | CPU构建 | GPU构建 |
|---|---|---|
| 小包装 | TensorFlow（CPU wheel） | TensorFlow 与 CUDA 运行时 |
| 硬件 | 任何 x86 或 ARM 处理器 | 支持 CUDA 的 NVIDIA 显卡 |
| 最适合 | 教程，小模型 | 大型训练跑 |
| 准备工作 | 一条命令 | 驱动程序、CUDA 和 cuDNN 匹配 |
版本说明：TensorFlow 2.10 是最后一个原生支持 TensorFlow 的版本。 Windows GPU支持。从2.11版本开始， Windows 用户可以在 WSL2 中运行 GPU 版本，或者安装 CPU 软件包。Apple Silicon Mac 则添加了 tensorflow-metal 以进行加速。
注意： TensorFlow 不提供 CUDA GPU 支持 macOS.
以下是操作方法
macOS 用户：
- 安装Anaconda
- 创建一个 .yml 文件来安装 TensorFlow 及其依赖项。
- 正式上线 Jupyter 笔记本
Windows 用户：
- 安装Anaconda
- 创建 .yml 文件来安装依赖项
- 使用 pip 添加 TensorFlow
- 正式上线 Jupyter 笔记本
要运行 TensorFlow Jupyter在 Anaconda Holding I 内部创建一个专用环境Python, Jupyter 以及 TensorFlow。添加一个基本要素 数据科学 图书馆也一样： 大熊猫它可以操作数据框。
安装Anaconda
下载 蟒蛇 版本 4.3.1（适用于 Python 3.6) 适合的系统。
这些版本是旧版本：当前的 TensorFlow 2.x 与 Python 3.9 至 3.12。自 2024 年起，Anaconda 默认频道也要求 200 人以上的组织获得付费许可证，因此 Miniconda 或 Miniforge 搭配 conda-forge 是免费途径。
Anaconda 管理所需的库 Python or R然后根据不同的环境进行安装。
创建 .yml 文件以安装 TensorFlow 及其依赖项
它包括
- 找到 Anaconda 的路径
- 将工作目录设置为 Anaconda
- 创建 yml 文件（对于 MacOS 用户，这里安装了 TensorFlow）
- 编辑 yml 文件
- 编译 yml 文件
- 激活 Anaconda
- 安装 TensorFlow (Windows 仅限用户）
步骤1） 找到 Anaconda，
您需要做的第一步是找到 Anaconda 的路径。
您将创建一个 conda 环境，其中包含 TensorFlow 教程中使用的库。
Windows
如果你是一个 Windows 用户，您可以使用 Anaconda Prompt 并输入：
C:\>where anaconda
我们需要知道 Anaconda 的安装文件夹名称，因为我们想在这个路径下创建新的环境。在上图中，Anaconda 位于 Admin 文件夹中；您的 Anaconda 文件夹将以您的用户名命名。
接下来，您将把工作目录从 c:\ 移动到 Anaconda3。
MacOS
对于 macOS 用户请打开终端并输入：
which anaconda
现在，您需要在 Anaconda 中创建一个文件夹，该文件夹将包含以下内容 IPython, Jupyter 和 TensorFlow声明这些库的最快方法是使用 yml 文件。
步骤2） 设置工作目录
指定 yml 文件将创建的工作目录；如上所述，它位于 Anaconda 内部。
对于 macOS 用户：
终端默认设置为 用户/用户名下图中的 anaconda3 路径和工作目录匹配； macOS $符号前显示的是当前文件夹。所有库都安装在这里。
如果文本编辑器中的路径不匹配，请在终端中运行 cd PATH，如果路径包含空格，请用引号将其括起来。
打开终端并输入：
cd anaconda3
对于 Windows 用户请检查 Anaconda3 之前的文件夹：
cd C:\Users\Admin\Anaconda3
或者“anaconda”命令给出的路径
步骤3） 创建 yml 文件
您可以在新的工作目录中创建 yml 文件。
该文件将安装运行 TensorFlow 所需的依赖项。将此代码复制并粘贴到终端中。
对于 MacOS 用户：
touch hello-tf.yml
anaconda3 中应该会出现一个名为 hello-tf.yml 的新文件
对于 Windows 用户：
echo.>hello-tf.yml
应该会出现一个名为 hello-tf.yml 的新文件
步骤4） 编辑 yml 文件
您已准备好编辑 yml 文件。
对于 MacOS 用户：
您可以将以下代码粘贴到终端中来编辑该文件。MacOS 用户可以使用 vim 编辑 yml 文件。
vi hello-tf.yml
到目前为止，你的终端如下所示
您输入 编辑 模式。在此模式下，按下 esc 后您可以：
- 按 i 键开始编辑
- 按 Esc 键，然后输入 :w 保存
- 按 Esc 键，然后输入 :q! 即可退出而不保存。
在编辑模式下输入以下代码，然后按 esc 键，然后按 :w 键
注意： 文件大小： 和 对压痕高度敏感。每个压痕级别需要两个空格。
对于 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 说明
- name: hello-tf：yml 文件的名称
- 依赖：
- 蟒蛇=3.6
- 朱庇特
- 蟒蛇
- pandas：安装 Python Jupyter，我Python 还有熊猫。
- pip：安装一个 Python 图书馆
- 车轮 URL直接从以下位置安装 TensorFlow Google 存储 API。
按 Esc 键，然后按 :q! 退出编辑模式。
对于 Windows 用户：
Windows 没有 vim所以，这一步用记事本就足够了。
notepad hello-tf.yml
在文件中输入以下内容
name: hello-tf dependencies: - python=3.6 - jupyter - ipython - pandas
Code 说明
- name: hello-tf：yml 文件的名称
- 依赖：
- 蟒蛇=3.6
- 朱庇特
- 蟒蛇
- pandas：安装 Python Jupyter，我Python 还有熊猫。
它将打开记事本，您可以从这里编辑文件。
注意： Windows 用户将在下一步安装 TensorFlow；这里您只需准备 conda 环境。
步骤5） 编译 yml 文件
使用以下命令编译 .yml 文件：
conda env create -f hello-tf.yml
注意： 对于 Windows 用户，新的环境将在当前用户目录内创建。
这需要一些时间，并且大约需要 1.1 GB 的磁盘空间。
In Windows
步骤6） 激活 conda 环境
您现在有两个 conda 环境。
建议采用隔离环境，因为每个 机器学习 项目需要不同的库集，项目结束后可以将其删除。
conda env list
星号标记当前活动环境。切换到 hello-tf 即可激活它。现代 conda 在所有平台上都使用 `conda activate` 命令；`source activate` 命令已被弃用。
对于 MacOS 用户：
source activate hello-tf
对于 Windows 用户：
activate hello-tf
确认所有依赖项都在同一环境中解析，因此 Python, Jupyter TensorFlow 和它们共享同一个前缀。如果这三个路径不同，请重新构建环境。
对于 MacOS 用户：
which python which jupyter which ipython
可选的： 请检查是否有更新。
pip install --upgrade tensorflow
步骤7） 安装 TensorFlow Windows 用户
对于 Windows 用户：
where python where jupyter where ipython
二 Python 现在存在两个环境：基础环境和 hello-tf。只有 hello-tf 包含 TensorFlow。图中，python、jupyter 和 ipython 都解析到同一个环境，因此可以从该环境使用 TensorFlow。 Jupyter 笔记本电脑。
Windows 用户使用 pip 安装 TensorFlow：
pip install tensorflow
如何在……中导入 TensorFlow Jupyter 笔记本
这部分在两个操作系统上完全相同。请记住，每次打开 TensorFlow 之前都必须先激活环境。
您将按如下方式进行：
- 激活 hello-tf conda 环境
- 可选 Jupyter
- 导入 TensorFlow
- 删除笔记本
- 关闭 Jupyter
步骤1） 激活 conda
对于 MacOS 用户：
source activate hello-tf
对于 Windows 用户：
conda activate hello-tf
步骤2） 可选 Jupyter
之后就可以打开了 Jupyter 从终端
jupyter notebook
浏览器应该会自动打开；否则请复制以下内容 URL 由终端打印，以 http://localhost:8888 开头。
控制面板会列出工作目录中的所有文件。点击 全新发布 和 Python 3 创建笔记本。
注意： 新的笔记本会自动保存在工作目录中。
步骤3） 导入 TensorFlow
在笔记本中，你可以导入 TensorFlow Jupyter 具有 tf 别名的笔记本。单击即可运行。下面会创建一个新的单元格。
import tensorflow as tf
让我们用 TensorFlow 编写您的第一个代码。
hello = tf.constant('Hello, Guru99!') hello
质量的新标准 张量 创建完成。恭喜，TensorFlow 现在可以运行了。 Jupyter 在您的机器上。
步骤4） 删除文件
从以下位置删除名为 Untitled.ipynb 的文件： Jupyter 仪表板。
步骤5） 关闭 Jupyter
Jupyter 可以从笔记本电脑本身或终端（Anaconda Prompt）关闭。 Windows).
从 Jupyter
在主面板中 Jupyter 笔记本，只需点击 退出
您将被重定向至注销页面。
从终端
选择终端或 Anaconda Prompt，然后按 Ctrl+C 两次。
第一次按下 Ctrl+C 会询问您是否确认关机；第二次按下 Ctrl+C 则会确认关机。
您已成功注销。
Jupyter 与主要的 conda 环境
要使用以下方式启动 TensorFlow Jupyter 在下次会话中，请先激活环境：
source activate hello-tf
如果没有这一步， Jupyter 启动时处于基础环境，但导入失败。
