Hur laddar jag ner & Installera TensorFLow: Jupyter - Windows / Mac

I den här handledningen kommer vi att förklara hur du installerar TensorFlow Anaconda Windows. Du lär dig hur du använder TensorFlow i Jupyter Notebook. Jupyter är en anteckningsbokvisare.

TensorFlow-versioner

TensorFlow stöder beräkningar över flera processorer och GPU: er. Det betyder att beräkningarna kan distribueras över enheter för att förbättra träningshastigheten. Med parallellisering behöver du inte vänta i flera veckor för att få resultat av träningsalgoritmer.

För Windows-användare tillhandahåller TensorFlow två versioner:

TensorFlow med endast CPU-stöd : Om din maskin inte körs på NVIDIA GPU kan du bara installera den här versionen
TensorFlow med GPU-stöd : För snabbare beräkning kan du ladda ner version som stöds av TensorFlow GPU. Denna version är meningsfull endast om du behöver stark beräkningskapacitet.

Under den här självstudien är grundversionen av TensorFlow tillräcklig.

Obs! TensorFlow tillhandahåller inte GPU-stöd på MacOS.

Så här går du vidare

MacOS-användare:

Installera Anaconda
Skapa en .yml-fil för att installera Tensorflow och beroenden
Starta Jupyter Notebook

För Windows

Installera Anaconda
Skapa en .yml-fil för att installera beroenden
Använd pip för att lägga till TensorFlow
Starta Jupyter Notebook

För att köra Tensorflow med Jupyter måste du skapa en miljö i Anaconda. Det betyder att du kommer att installera Ipython, Jupyter och TensorFlow i en lämplig mapp inuti vår maskin. Utöver detta kommer du att lägga till ett viktigt bibliotek för datavetenskap: "Pandor". Pandas-biblioteket hjälper till att manipulera en dataram.

Installera Anaconda

Ladda ner Anaconda version 4.3.1 (för Python 3.6) för lämpligt system.

Anaconda hjälper dig att hantera alla bibliotek som krävs antingen för Python eller R. Se den här guiden för att installera Anaconda

Skapa .yml-fil för att installera Tensorflow och beroenden

Det inkluderar

Leta reda på Anacondas väg
Ställ in arbetskatalogen till Anaconda
Skapa yml-filen (för MacOS-användare är TensorFlow installerad här)
Redigera yml-filen
Kompilera yml-filen
Aktivera Anaconda
Installera TensorFlow (endast Windows-användare)

Steg 1) Leta upp Anaconda,

Det första steget du behöver göra är att hitta Anacondas väg.

Du skapar en ny conda-miljö som innehåller de nödvändiga biblioteken du kommer att använda under handledningarna om TensorFlow.

Windows

Om du är Windows-användare kan du använda Anaconda Prompt och skriva:

C:\>where anaconda

Vi är intresserade av att veta namnet på mappen där Anaconda är installerad eftersom vi vill skapa vår nya miljö inom den här sökvägen. I bilden ovan installeras till exempel Anaconda i Admin-mappen. För dig kan det vara detsamma, dvs Admin eller användarens namn.

I nästa kommer vi att ställa in arbetskatalogen från c: \ till Anaconda3.

Mac OS

för MacOS-användare kan du använda terminalen och skriva:

which anaconda

Du måste skapa en ny mapp i Anaconda som innehåller Ipython , Jupyter och TensorFlow . Ett snabbt sätt att installera bibliotek och programvara är att skriva en yml-fil.

Steg 2) Ställ in arbetskatalog

Du måste ange arbetskatalogen där du vill skapa yml-filen.

Som sagt tidigare kommer den att vara inne i Anaconda.

För MacOS-användare:

Terminalen ställer in standardarbetskatalogen till Användare / ANVÄNDarnamn . Som du kan se i figuren nedan är sökvägen till anaconda3 och arbetskatalogen identiska. I MacOS visas den senaste mappen före $. Terminalen installerar alla bibliotek i den här arbetskatalogen.

Om sökvägen i textredigeraren inte matchar arbetskatalogen kan du ändra den genom att skriva cd PATH i terminalen. PATH är den sökväg du klistrade in i textredigeraren. Glöm inte att sätta in PATH med 'PATH'. Den här åtgärden ändrar arbetskatalogen till PATH.

Öppna din terminal och skriv:

cd anaconda3

För Windows-användare (se till att mappen finns före Anaconda3):

cd C:\Users\Admin\Anaconda3

eller sökvägen "där anaconda" ger dig

Steg 3) Skapa yml-filen

Du kan skapa yml-filen i den nya arbetskatalogen.

Filen installerar 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 ska visas inuti anaconda3

För Windows-användare:

echo.>hello-tf.yml

En ny fil med namnet hello-tf.yml ska 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 går in i ett redigeringsläge . Inuti detta läge kan du, efter att ha tryckt på esc:

Tryck på i för att redigera
Tryck på w för att spara
Tryck på q! att sluta

Skriv följande kod i redigeringsläget och tryck på esc följt av: w

Obs! Filen är skiftläge och är känslig. Två platser krävs efter varje avsikt.

För 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

Kodförklaring

namn: hej-tf: Namn på yml-filen
beroenden:
python = 3,6
jupyter
ipython
pandor: Installera Python version 3.6, Jupyter, Ipython och pandas bibliotek
pip: Installera ett Python-bibliotek
- https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: Installera TensorFlow från Google apis.

Tryck på esc följt av: q! till ganska redigeringsläget.

För Windows-användare:

Windows har inget vim-program, så anteckningsblocket räcker för att slutföra detta steg.

notepad hello-tf.yml

Ange följande i filen

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

Kodförklaring

namn: hej-tf: Namn på yml-filen
beroenden:
python = 3,6
jupyter
ipython
pandor: Installera Python version 3.6, Jupyter, Ipython och pandas bibliotek

Det öppnar anteckningsblocket, du kan redigera filen härifrån.

Obs! Windows-användare installerar TensorFlow i nästa steg. I det här steget förbereder du bara kondomiljön

Steg 5) Kompilera yml-filen

Du kan kompilera .yml-filen med följande kod:

conda env create -f hello-tf.yml

Obs! För Windows-användare skapas den nya miljön i den aktuella användarkatalogen.

Det tar tider. Det tar cirka 1,1 GB utrymme på hårddisken.

I Windows

Steg 6) Aktivera kondomiljö

Vi är nästan färdiga. Du har nu två lägenhetsmiljöer.

Du skapade en isolerad conda-miljö med de bibliotek du kommer att använda under självstudierna. Detta är en rekommenderad metod eftersom varje maskininlärningsprojekt kräver olika bibliotek. När projektet är över kan du ta bort den här miljön eller inte.

conda env list

Asterixen anger standard. Du måste byta till hej-tf för att aktivera miljön

För MacOS-användare:

source activate hello-tf

För Windows-användare:

activate hello-tf

Du kan kontrollera att alla beroenden är i samma miljö. Detta är viktigt eftersom det gör att Python kan använda Jupyter och TensorFlow från samma miljö. Om du inte ser de tre i samma mapp måste du börja om från början.

För MacOS-användare:

which pythonwhich jupyterwhich ipython

Valfritt: Du kan söka efter uppdatering.

pip install --upgrade tensorflow

Steg 7) Installera TensorFlow för Windows-användare

För Windows-användare:

where pythonwhere jupyterwhere ipython

Som du kan se har du nu två Python-miljöer. Den viktigaste och den nyligen skapade på dvs hej-tf. Huvudmiljön har inte tensorFlow installerat bara hello-tf. Från bilden installeras python, jupyter och ipython i samma miljö. Det betyder att du kan använda TensorFlow med en Jupyter Notebook.

Du måste installera TensorFlow med pip-kommandot. Endast för Windows-användare

pip install tensorflow

Starta Jupyter Notebook

Denna del är densamma för båda operativsystemen. Låt oss nu lära oss att importera TensorFlow i Jupyter Notebook.

Du kan öppna TensorFlow med Jupyter.

Obs! Varje gång du vill öppna TensorFlow måste du initiera miljön

Du fortsätter enligt följande:

Aktivera hello-tf conda-miljö
Öppna Jupyter
Importera tensorflöde
Ta bort anteckningsbok
Stäng Jupyter

Steg 1) Aktivera konda

För MacOS-användare:

source activate hello-tf

För Windows-användare:

conda activate hello-tf

Steg 2) Öppna Jupyter

Därefter kan du öppna Jupyter från terminalen

jupyter notebook

Din webbläsare ska öppnas automatiskt, annars kopierar du och klistrar in webbadressen från terminalen. Det börjar med http: // localhost: 8888

Inuti TensorFlow Jupyter Notebook kan du se alla filer i arbetskatalogen. För att skapa en ny anteckningsbok klickar du helt enkelt på ny och Python 3

Obs! Den nya anteckningsboken sparas automatiskt i arbetskatalogen.

Steg 3) Importera Tensorflöde

Inuti anteckningsboken kan du importera TensorFlow i Jupyter Notebook 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 skapas. Grattis. Du installerar framgångsrikt TensorFlow med Jupyter på din maskin.

Steg 4) Ta bort fil

Du kan ta bort filen Untitled.ipynb i Jupyer.

Steg 5) Stäng Jupyter

Det finns två sätt att stänga Jupyter. Det första sättet är direkt från den bärbara datorn. Det andra sättet är att använda terminalen (eller Anaconda Prompt)

Från Jupyter

Klicka på Logout i huvudpanelen i Jupyter Notebook