Kako preuzeti & Instalirajte TensorFLow: Jupyter - Windows / Mac

Sadržaj:

Anonim

U ovom uputstvu objasnit ćemo kako instalirati TensorFlow Anaconda Windows. Naučit ćete kako koristiti TensorFlow u Jupyter bilježnici. Jupyter je gledatelj bilježnice.

Verzije TensorFlowa

TensorFlow podržava izračunavanja na više CPU-a i GPU-a. To znači da se proračuni mogu raspodijeliti po uređajima kako bi se poboljšala brzina treninga. S paralelizacijom ne trebate čekati tjednima da biste dobili rezultate algoritama treninga.

Za korisnike sustava Windows, TensorFlow nudi dvije verzije:

  • TensorFlow samo s podrškom za CPU : Ako se vaš uređaj ne radi na NVIDIA GPU, možete instalirati samo ovu verziju
  • TensorFlow s podrškom za GPU : Za brže računanje možete preuzeti verziju s podrškom za TensorFlow. Ova verzija ima smisla samo ako su vam potrebni jaki računski kapaciteti.

Tijekom ovog vodiča dovoljna je osnovna verzija TensorFlowa.

Napomena: TensorFlow ne pruža GPU podršku na MacOS-u.

Evo kako dalje

Korisnik MacOS-a:

  • Instalirajte Anacondu
  • Stvorite .yml datoteku za instaliranje Tensorflowa i ovisnosti
  • Pokrenite Jupyterovu bilježnicu

Za sustav Windows

  • Instalirajte Anacondu
  • Stvorite .yml datoteku za instaliranje ovisnosti
  • Koristite pip za dodavanje TensorFlowa
  • Pokrenite Jupyterovu bilježnicu

Da biste pokrenuli Tensorflow s Jupyterom, morate stvoriti okruženje unutar Anaconde. To znači da ćete instalirati Ipython, Jupyter i TensorFlow u odgovarajuću mapu unutar našeg stroja. Povrh toga, dodati ćete jednu bitnu biblioteku za znanost o podacima: "Pande". Biblioteka Pandas pomaže u manipulaciji podatkovnim okvirom.

Instalirajte Anacondu

Preuzmite verziju Anaconda 4.3.1 (za Python 3.6) za odgovarajući sustav.

Anaconda će vam pomoći da upravljate svim knjižnicama potrebnim bilo za Python ili R. Pogledajte ovaj vodič za instalaciju Anaconde

Stvorite .yml datoteku za instaliranje Tensorflowa i ovisnosti

Uključuje

  • Pronađite put Anaconde
  • Postavite radni direktorij na Anaconda
  • Stvorite yml datoteku (za korisnike MacOS-a ovdje je instaliran TensorFlow)
  • Uredite yml datoteku
  • Sastavite yml datoteku
  • Aktivirajte Anacondu
  • Instalirajte TensorFlow (samo za korisnike sustava Windows)

Korak 1) Pronađite Anacondu,

Prvi korak koji trebate učiniti je pronaći put Anaconde.

Stvorit ćete novo conda okruženje koje uključuje potrebne knjižnice koje ćete koristiti tijekom vodiča o TensorFlowu.

Windows

Ako ste korisnik sustava Windows, možete upotrijebiti Anaconda Prompt i upisati:

C:\>where anaconda

Zanima nas naziv mape u kojoj je instalirana Anaconda, jer želimo stvoriti naše novo okruženje unutar ove staze. Na primjer, na gornjoj slici Anaconda je instalirana u mapu Admin. Za vas može isto, tj. Admin ili korisničko ime.

U sljedećem ćemo postaviti radni direktorij s c: \ na Anaconda3.

MacOS

za korisnike MacOS-a možete koristiti terminal i upisati:

which anaconda

Morat ćete stvoriti novu mapu unutar Anaconde koja će sadržavati Ipython , Jupyter i TensorFlow . Brz način instaliranja knjižnica i softvera je pisanje yml datoteke.

Korak 2) Postavite radni direktorij

Morate navesti radni direktorij u kojem želite stvoriti yml datoteku.

Kao što je već rečeno, nalazit će se unutar Anaconde.

Za korisnike MacOS-a:

Terminal postavlja zadani radni direktorij na Users / USERNAME . Kao što možete vidjeti na donjoj slici, put anaconda3 i radni direktorij su identični. U MacOS-u je najnovija mapa prikazana prije $. Terminal će instalirati sve knjižnice u ovom radnom direktoriju.

Ako se put u uređivaču teksta ne podudara s radnim direktorijumom, možete ga promijeniti pisanjem cd PATH u Terminal. PUT je put koji ste zalijepili u uređivač teksta. Ne zaboravite PUT umotati s 'PUT'. Ova će radnja promijeniti radni direktorij u PATH.

Otvorite svoj terminal i upišite:

cd anaconda3

Za korisnike Windowsa (provjerite je li mapa prije Anaconda3):

cd C:\Users\Admin\Anaconda3

ili staza "gdje vam daje naredba anaconda"

Korak 3) Stvorite yml datoteku

Yml datoteku možete stvoriti unutar novog radnog direktorija.

Datoteka će instalirati ovisnosti koje su vam potrebne za pokretanje TensorFlowa. Kopirajte i zalijepite ovaj kod u terminal.

Za korisnike MacOS-a:

touch hello-tf.yml

Nova datoteka pod nazivom hello-tf.yml trebala bi se pojaviti unutar anaconda3

Za korisnike sustava Windows:

echo.>hello-tf.yml

Trebala bi se pojaviti nova datoteka s imenom hello-tf.yml

Korak 4) Uredite yml datoteku

Spremni ste za uređivanje yml datoteke.

Za korisnike MacOS-a:

U terminal možete zalijepiti sljedeći kod za uređivanje datoteke. Korisnik MacOS-a može koristiti vim za uređivanje yml datoteke.

vi hello-tf.yml

Zasad vaš Terminal izgleda ovako

Ulazite u način uređivanja . Unutar ovog načina rada možete nakon pritiska na esc:

  • Pritisnite i za uređivanje
  • Pritisnite w za spremanje
  • Pritisnite q! prestati

U načinu za uređivanje napišite sljedeći kod i pritisnite esc, a zatim: w

Napomena: Datoteka je osjetljiva na velika i mala slova i namjerava je osjetiti. Nakon svake namjere potrebna su 2 razmaka.

Za MacOS

name: hello-tfdependencies:- python=3.6- jupyter- ipython- pandas- pip:- https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl
Objašnjenje koda
  • name: hello-tf: Ime yml datoteke
  • ovisnosti:
  • piton = 3,6
  • jupyter
  • ipython
  • pande: Instalirajte biblioteke Python verzije 3.6, Jupyter, Ipython i pandas
  • pip: Instalirajte Python knjižnicu
    • https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Instalirajte TensorFlow s Google apis-a.

Pritisnite esc nakon čega slijedi: q! do sasvim načina uređivanja.

Za korisnike sustava Windows:

Windows nema vim program, pa je Notepad dovoljan da dovrši ovaj korak.

notepad hello-tf.yml

U datoteku unesite sljedeće

name: hello-tfdependencies:- python=3.6- jupyter- ipython- pandas

Objašnjenje koda

  • name: hello-tf: Ime yml datoteke
  • ovisnosti:
  • piton = 3,6
  • jupyter
  • ipython
  • pande: Instalirajte biblioteke Python verzije 3.6, Jupyter, Ipython i pandas

Otvorit će se bilježnica, datoteku možete urediti odavde.

Napomena: Korisnici Windowsa instalirat će TensorFlow u sljedećem koraku. U ovom koraku pripremate samo conda okruženje

Korak 5) Sastavite yml datoteku

Možete sastaviti datoteku .yml sa sljedećim kodom:

conda env create -f hello-tf.yml

Napomena: Za korisnike Windowsa novo okruženje kreira se unutar trenutnog korisničkog direktorija.

Potrebna su vremena. Zauzet će vam oko 1,1 GB prostora na tvrdom disku.

U sustavu Windows

Korak 6) Aktivirajte conda okruženje

Skoro smo gotovi. Sada imate 2 conda okruženja.

Stvorili ste izolirano conda okruženje s knjižnicama koje ćete koristiti tijekom predavanja. Ovo je preporučena praksa jer svaki projekt strojnog učenja zahtijeva različite knjižnice. Kad projekt završi, možete ukloniti ovo okruženje ili ne.

conda env list

Zvjezdica označava zadani. Morate prijeći na hello-tf da biste aktivirali okruženje

Za korisnike MacOS-a:

source activate hello-tf

Za korisnike sustava Windows:

activate hello-tf

Možete provjeriti nalaze li se sve ovisnosti u istom okruženju. To je važno jer omogućuje Pythonu da koristi Jupyter i TensorFlow iz istog okruženja. Ako ne vidite njih troje smještene u istoj mapi, trebate početi ispočetka.

Za korisnike MacOS-a:

which pythonwhich jupyterwhich ipython

Izborno: Možete provjeriti ima li ažuriranja.

pip install --upgrade tensorflow

Korak 7) Instalirajte korisnika TensorFlow za Windows

Za korisnika sustava Windows:

where pythonwhere jupyterwhere ipython

Kao što vidite, sada imate dva Python okruženja. Glavna i novostvorena na ie hello-tf. U glavnom conda okruženju nije instaliran tensorFlow samo hello-tf. Na slici su python, jupyter i ipython instalirani u istom okruženju. To znači da TensorFlow možete koristiti s Jupyterovom bilježnicom.

Morate instalirati TensorFlow pomoću naredbe pip. Samo za korisnike sustava Windows

pip install tensorflow

Pokrenite Jupyterovu bilježnicu

Ovaj je dio isti za oba OS-a. Sada, naučimo kako uvesti TensorFlow u Jupyter bilježnicu.

TensorFlow možete otvoriti s Jupyterom.

Napomena: Svaki put kada želite otvoriti TensorFlow, morate inicijalizirati okruženje

Nastavit ćete kako slijedi:

  • Aktivirajte hello-tf conda okruženje
  • Otvori Jupyter
  • Uvoz tenzorskog toka
  • Izbriši bilježnicu
  • Zatvori Jupyter

Korak 1) Aktivirajte conda

Za korisnike MacOS-a:

source activate hello-tf

Za korisnike sustava Windows:

conda activate hello-tf

Korak 2) Otvorite Jupyter

Nakon toga možete otvoriti Jupyter s terminala

jupyter notebook

Vaš bi se preglednik trebao automatski otvoriti, u suprotnom kopirajte i zalijepite URL koji nudi Terminal. Počinje s http: // localhost: 8888

Unutar TensorFlow Jupyter bilježnice možete vidjeti sve datoteke unutar radnog imenika. Da biste stvorili novu Bilježnicu, jednostavno kliknite novu i Python 3

Napomena: Nova bilježnica automatski se sprema u radni direktorij.

Korak 3) Uvezite Tensorflow

Unutar bilježnice možete uvesti TensorFlow u Jupyter bilježnicu s zamjenskim imenom tf. Kliknite za pokretanje. Nova ćelija je stvorena u nastavku.

import tensorflow as tf

Napišimo vaš prvi kôd s TensorFlowom.

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

Stvoren je novi tenzor. Svaka čast. Uspješno instalirate TensorFlow s Jupyterom na svoj stroj.

Korak 4) Izbrišite datoteku

Datoteku pod nazivom Untitled.ipynb možete izbrisati iz Jupyera.

Korak 5) Zatvorite Jupyter

Postoje dva načina zatvaranja Jupytera. Prvi način je izravno iz bilježnice. Drugi način je upotreba terminala (ili Anaconda Prompt)

Od Jupytera

Na glavnoj ploči Jupyter bilježnice jednostavno kliknite Odjava

Preusmjereni ste na stranicu za odjavu.

S terminala

Odaberite terminal ili upit Anaconda i pokrenite dva puta ctr + c.

Kad prvi put napravite ctr + c, od vas se traži da potvrdite da želite isključiti bilježnicu. Ponovite ctr + c za potvrdu

Uspješno ste se odjavili.

Jupyter s glavnim konda okolišem

Ako želite pokrenuti TensorFlow s jupyterom za buduću upotrebu, morate otvoriti novu sesiju s

source activate hello-tf

Ako to ne učinite, Jupyter neće pronaći TensorFlow