Hoe TensorFLow te downloaden en te installeren: Jupyter | Windows/Mac

In deze tutorial zullen we uitleggen hoe te installeren TensorFlow Anaconda Ramen. U leert hoe u TensorFlow gebruikt in Jupyter Notebook. Jupiter is een notebook-viewer.

TensorFlow-versies

TensorFlow ondersteunt berekeningen over meerdere CPU's en GPU's. Het betekent dat de berekeningen over verschillende apparaten kunnen worden verdeeld om de snelheid van de training te verbeteren. Met parallellisatie hoeft u niet weken te wachten om de resultaten van trainingsalgoritmen te verkrijgen.

Voor Windows-gebruikers biedt TensorFlow twee versies:

  • TensorFlow alleen met CPU-ondersteuning : Als uw machine niet op NVIDIA GPU draait, kunt u alleen deze versie installeren
  • TensorFlow met GPU-ondersteuning : Voor een snellere berekening kunt u de door TensorFlow GPU ondersteunde versie downloaden. Deze versie heeft alleen zin als je een sterke rekencapaciteit nodig hebt.

Tijdens deze tutorial is de basisversie van TensorFlow voldoende.

Opmerking: TensorFlow biedt geen GPU-ondersteuning op MacOS.

Hier is hoe verder te gaan

MacOS-gebruiker:

  • Anaconda installeren
  • Maak een .yml-bestand om Tensorflow en afhankelijkheden te installeren
  • Start Jupyter Notebook

Voor ramen

  • Anaconda installeren
  • Maak een .yml-bestand om afhankelijkheden te installeren
  • Gebruik pip om TensorFlow toe te voegen
  • Start Jupyter Notebook

Om Tensorflow met Jupyter uit te voeren, moet u een omgeving maken binnen Anaconda. Het betekent dat u Ipython, Jupyter en TensorFlow in een geschikte map in onze machine installeert. Bovendien voegt u een essentiële bibliotheek toe voor datawetenschap : 'Panda's'. De Pandas-bibliotheek helpt bij het manipuleren van een dataframe.

Anaconda installeren

Downloaden Anaconda versie 4.3.1 (voor Python 3.6) voor het juiste systeem.

Anaconda helpt u bij het beheren van alle benodigde bibliotheken voor Python of R. Raadpleeg dit: tutorial om Anaconda te installeren

Maak een .yml-bestand om Tensorflow en afhankelijkheden te installeren

Het bevat

  • Zoek het pad van Anaconda
  • Stel de werkdirectory in op Anaconda
  • Maak het yml-bestand (voor MacOS-gebruiker is TensorFlow hier geïnstalleerd)
  • Bewerk het yml-bestand
  • Compileer het yml-bestand
  • Activeer Anaconda
  • Installeer TensorFlow (alleen Windows-gebruiker)

Stap 1) Zoek Anaconda,

De eerste stap die u moet doen, is het pad van Anaconda vinden.

Je gaat een nieuwe conda-omgeving maken met daarin de benodigde bibliotheken die je gaat gebruiken tijdens de tutorials over TensorFlow.

ramen

Als u een Windows-gebruiker bent, kunt u Anaconda Prompt gebruiken en typen: |__+_|

We zijn geïnteresseerd in de naam van de map waarin Anaconda is geïnstalleerd, omdat we onze nieuwe omgeving binnen dit pad willen creëren. In de bovenstaande afbeelding is Anaconda bijvoorbeeld geïnstalleerd in de map Admin. Voor u kan het hetzelfde zijn, d.w.z. Admin of de gebruikersnaam.

In het volgende zullen we de werkdirectory instellen van c: naar Anaconda3.

MacOS

voor MacOS-gebruikers kunt u de Terminal gebruiken en typen: |_+_|

U moet een nieuwe map maken in Anaconda die zal bevatten: Ipython , Jupiter en TensorFlow . Een snelle manier om bibliotheken en software te installeren is door een yml-bestand te schrijven.

Stap 2) Werkmap instellen

U moet de werkdirectory opgeven waar u het yml-bestand wilt maken.

Zoals eerder gezegd, zal het zich in Anaconda bevinden.

Voor MacOS-gebruiker:

De Terminal stelt de standaard werkmap in op: Gebruikers/USERNAME . Zoals je in de onderstaande afbeelding kunt zien, zijn het pad van anaconda3 en de werkdirectory identiek. In MacOS wordt de nieuwste map vóór de $. De Terminal zal alle bibliotheken in deze werkdirectory installeren.

Als het pad in de teksteditor niet overeenkomt met de werkmap, kunt u dit wijzigen door cd PATH in de Terminal te schrijven. PATH is het pad dat u in de teksteditor hebt geplakt. Vergeet niet om het PATH om te wikkelen met 'PATH'. Deze actie zal de werkdirectory veranderen in PATH.

Open uw Terminal en typ: |__+_|

Voor Windows-gebruiker (let op de map vóór Anaconda3): |_+_|

of het pad 'waar anaconda' commando je geeft

Stap 3) Maak het yml-bestand

U kunt het yml-bestand in de nieuwe werkmap maken.

Het bestand installeert de afhankelijkheden die u nodig hebt om TensorFlow uit te voeren. Kopieer en plak deze code in de Terminal.

Voor MacOS-gebruiker:

C:>where anaconda

Er zou een nieuw bestand met de naam hello-tf.yml moeten verschijnen in anaconda3

Voor Windows-gebruiker:

which anaconda

Er zou een nieuw bestand met de naam hello-tf.yml moeten verschijnen

Stap 4) Bewerk het yml-bestand

U bent klaar om het yml-bestand te bewerken.

Voor MacOS-gebruiker:

U kunt de volgende code in de Terminal plakken om het bestand te bewerken. MacOS-gebruiker kan gebruiken ik kwam om het yml-bestand te bewerken.

cd anaconda3

Tot nu toe ziet je Terminal er zo uit

Je voert een in bewerking modus. In deze modus kun je, nadat je op esc hebt gedrukt:

  • Druk op i om te bewerken
  • Druk op w om op te slaan
  • Druk op q! stoppen

Schrijf de volgende code in de bewerkingsmodus en druk op esc gevolgd door :w

Opmerking: Het bestand is case en gevoelig bedoelen. Na elke intentie zijn 2 spaties vereist.

Voor MacOS

cd C:UsersAdminAnaconda3
Code Uitleg
  • naam: hello-tf: naam van het yml-bestand
  • afhankelijkheden:
  • python=3.6
  • jupyter
  • ipython
  • panda's: installeer Python-versie 3.6, Jupyter, Ipython en panda's-bibliotheken
  • pip: Installeer een Python-bibliotheek
    • https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Installeer TensorFlow vanuit Google apis.

Druk op esc gevolgd door :q! tot een behoorlijke bewerkingsmodus.

Voor Windows-gebruiker:

Windows heeft geen vim-programma, dus het Kladblok is voldoende om deze stap te voltooien. |__+_|

Voer het volgende in het bestand in |__+_|

Code Uitleg

  • naam: hello-tf: naam van het yml-bestand
  • afhankelijkheden:
  • python=3.6
  • jupyter
  • ipython
  • panda's: installeer Python-versie 3.6, Jupyter, Ipython en panda's-bibliotheken

Het zal het kladblok openen, u kunt het bestand hier bewerken.

Opmerking: Windows-gebruikers zullen TensorFlow in de volgende stap installeren. In deze stap bereidt u alleen de conda-omgeving voor

Stap 5) Compileer het yml-bestand

U kunt het .yml-bestand compileren met de volgende code: |_+_|

Opmerking: Voor Windows-gebruikers wordt de nieuwe omgeving gemaakt in de huidige gebruikersdirectory.

Het kost tijden. Het zal ongeveer 1,1 GB aan ruimte op uw harde schijf in beslag nemen.

In Windows

Stap 6) Conda-omgeving activeren

We zijn bijna klaar. Je hebt nu 2 conda-omgevingen.

Je hebt een geïsoleerde conda-omgeving gemaakt met de bibliotheken die je tijdens de tutorials zult gebruiken. Dit is een aanbevolen praktijk omdat elke machine learning project vereist verschillende bibliotheken. Wanneer het project is afgelopen, kunt u deze omgeving al dan niet verwijderen. |__+_|

Het sterretje geeft de standaard aan. Je moet overschakelen naar hello-tf om de omgeving te activeren

Voor MacOS-gebruiker: |__+_|

Voor Windows-gebruiker: |__+_|

U kunt controleren of alle afhankelijkheden zich in dezelfde omgeving bevinden. Dit is belangrijk omdat het toelaat: Python om Jupyter en TensorFlow vanuit dezelfde omgeving te gebruiken. Als u de drie niet in dezelfde map ziet staan, moet u helemaal opnieuw beginnen.

Voor MacOS-gebruiker: |__+_|

Optioneel: U kunt controleren op updates. |__+_|

Stap 7) Installeer TensorFlow voor Windows-gebruiker

Voor Windows-gebruiker: |__+_|

Zoals je kunt zien, heb je nu twee Python-omgevingen. De belangrijkste en de nieuw gemaakte op bijvoorbeeld hello-tf. In de hoofdconda-omgeving is tensorFlow niet geïnstalleerd, alleen hello-tf. Vanaf de afbeelding zijn python, jupyter en ipython in dezelfde omgeving geïnstalleerd. Dit betekent dat u TensorFlow kunt gebruiken met een Jupyter Notebook.

U moet TensorFlow installeren met de pip-opdracht. Alleen voor Windows-gebruiker |__+_|

Start Jupyter Notebook

Dit deel is hetzelfde voor beide besturingssystemen. Laten we nu leren hoe u TensorFlow importeert in Jupyter Notebook.

U kunt TensorFlow openen met Jupyter.

Opmerking: Elke keer dat u TensorFlow wilt openen, moet u de omgeving initialiseren

Je gaat als volgt te werk:

  • Activeer hello-tf conda-omgeving
  • Jupyter openen
  • Tensorstroom importeren
  • Notebook verwijderen
  • Jupyter sluiten

Stap 1) Activeer conda

Voor MacOS-gebruiker: |__+_|

Voor Windows-gebruiker: |__+_|

Stap 2) Jupyter openen

Daarna kunt u Jupyter openen vanuit de Terminal |__+_|

Uw browser zou automatisch moeten openen, anders kopieer en plak de url van de Terminal. Het begint met http://localhost:8888

In de TensorFlow Jupyter Notebook kunt u alle bestanden in de werkmap zien. Om een ​​nieuw Notebook aan te maken, klik je simpelweg op nieuwe en Python 3

Opmerking: Het nieuwe notitieboek wordt automatisch opgeslagen in de werkmap.

Stap 3) Tensorflow importeren

In de notebook kunt u TensorFlow importeren in Jupyter Notebook met de tf-alias. Klik om te rennen. Hieronder wordt een nieuwe cel gemaakt. |__+_|

Laten we uw eerste code schrijven met TensorFlow. |__+_|

Er ontstaat een nieuwe tensor. Gefeliciteerd. U installeert TensorFlow met Jupyter met succes op uw machine.

Stap 4) Verwijder bestand

U kunt het bestand met de naam Untitled.ipynb in Jupyer verwijderen.

Stap 5) Jupyter sluiten

Er zijn twee manieren om Jupyter te sluiten. De eerste manier is rechtstreeks vanuit de notebook. De tweede manier is door de terminal (of Anaconda Prompt) te gebruiken

Van Jupyter

Klik in het hoofdpaneel van Jupyter Notebook op Uitloggen

U wordt doorgestuurd naar de uitlogpagina.

Vanaf de terminal

Selecteer de terminal- of Anaconda-prompt en voer tweemaal ctr+c uit.

De eerste keer dat u ctr+c doet, wordt u gevraagd te bevestigen dat u de notebook wilt afsluiten. Herhaal ctr+c om te bevestigen

Je bent succesvol uitgelogd.

Jupyter met de belangrijkste conda-omgeving

Als u TensorFlow met jupyter wilt starten voor toekomstig gebruik, moet u een nieuwe sessie openen met |__+_|

Als u dat niet doet, zal Jupyter TensorFlow niet vinden