Как установить tensorflow в jupiter notebook
Перейти к содержимому

Как установить tensorflow в jupiter notebook

  • автор:

2) Скачать и установить TensorFLow

В этом уроке мы объясним, как установить TensorFlow с Anaconda . Вы узнаете, как использовать TensorFlow с Jupyter. Jupyter — зритель ноутбука.

Версии TensorFlow

TensorFlow поддерживает вычисления для нескольких процессоров и графических процессоров. Это означает, что вычисления могут быть распределены по устройствам для повышения скорости обучения. С распараллеливанием вам не нужно ждать недели, чтобы получить результаты алгоритмов обучения.

Для пользователя Windows TensorFlow предоставляет две версии:

  • Только TensorFlow с поддержкой ЦП : если ваш компьютер не работает на графическом процессоре NVIDIA, вы можете установить только эту версию
  • TensorFlow с поддержкой GPU : для более быстрых вычислений вы можете использовать эту версию TensorFlow. Эта версия имеет смысл, только если вам нужны сильные вычислительные возможности.

Во время этого урока достаточно базовой версии TensorFlow.

Примечание. TensorFlow не поддерживает GPU в MacOS.

Вот как это сделать

  • Установить Анаконду
  • Создайте файл .yml для установки Tensorflow и зависимостей
  • Запустите Jupyter Notebook
  • Установить Анаконду
  • Создайте файл .yml для установки зависимостей
  • Используйте pip для добавления TensorFlow
  • Запустите Jupyter Notebook

Чтобы запустить Tensorflow с Jupyter, вам нужно создать среду в Anaconda. Это означает, что вы будете устанавливать Ipython, Jupyter и TensorFlow в соответствующую папку на нашей машине. Помимо этого, вы добавите одну важную библиотеку для науки о данных: «Панды». Библиотека Pandas помогает манипулировать фреймом данных.

Установить Анаконду

Загрузите Anaconda версии 4.3.1 (для Python 3.6) для соответствующей системы.

Anaconda поможет вам управлять всеми библиотеками, необходимыми для Python или R. Обратитесь к этому руководству, чтобы установить Anaconda

Создайте файл .yml для установки Tensorflow и зависимостей

Это включает в себя

  • Найдите путь Анаконды
  • Установите рабочий каталог Anaconda
  • Создайте файл yml (для пользователя MacOS TensorFlow установлен здесь)
  • Отредактируйте файл yml
  • Скомпилируйте файл yml
  • Активировать Анаконду
  • Установите TensorFlow (только для пользователей Windows)

Шаг 1) Найдите Анаконду

Первый шаг, который вам нужно сделать, это найти путь Анаконды. Вы создадите новую среду conda, которая включает в себя необходимые библиотеки, которые вы будете использовать в учебниках по TensorFlow.

Windows

Если вы пользователь Windows, вы можете использовать Anaconda Prompt и набрать:

C:\>where anaconda

Нам интересно знать имя папки, в которой установлена ​​Anaconda, потому что мы хотим создать нашу новую среду внутри этого пути. Например, на рисунке выше Anaconda установлена ​​в папке Admin. Для вас это может то же самое, то есть Admin или имя пользователя.

Далее мы установим рабочий каталог от c: \ до Anaconda3.

MacOS

для пользователя MacOS вы можете использовать Терминал и набрать:

which anaconda

Вам нужно будет создать новую папку внутри Anaconda , которая будет содержит IPython , Jupyter и TensorFlow . Быстрый способ установить библиотеки и программное обеспечение — написать файл yml.

Шаг 2) Установите рабочий каталог

Вам нужно указать рабочий каталог, в котором вы хотите создать файл yml. Как уже было сказано, он будет расположен внутри Анаконды.

Для пользователей MacOS:

Терминал устанавливает рабочий каталог по умолчанию для Users / USERNAME . Как видно на рисунке ниже, путь к anaconda3 и рабочему каталогу идентичны. В MacOS последняя папка отображается перед $. Терминал установит все библиотеки в этом рабочем каталоге.

Если путь в текстовом редакторе не совпадает с рабочим каталогом, вы можете изменить его, написав cd PATH в Терминале. PATH — это путь, который вы вставили в текстовый редактор. Не забудьте обернуть PATH ‘PATH’. Это действие изменит рабочий каталог на PATH.

Откройте свой терминал и введите:

cd anaconda3

Для пользователя Windows (убедитесь, что папка перед Anaconda3):

cd C:\Users\Admin\Anaconda3

или путь «где анаконда» команда дает вам

Шаг 3) Создайте файл yml

Вы можете создать файл yml внутри нового рабочего каталога. Файл установит зависимости, необходимые для запуска TensorFlow. Скопируйте и вставьте этот код в Терминал.

Для пользователей MacOS: 

touch hello-tf.yml

Новый файл с именем hello-tf.yml должен появиться внутри anaconda3

Для пользователя Windows: 

echo.>hello-tf.yml

Должен появиться новый файл с именем hello-tf.yml

Шаг 4) Отредактируйте файл yml

Для пользователей MacOS:

Вы готовы редактировать файл yml. Вы можете вставить следующий код в Терминал для редактирования файла. Пользователь MacOS может использовать vim для редактирования файла yml.

vi hello-tf.yml

Пока что ваш терминал выглядит так

Вы входите в режим редактирования . Внутри этого режима вы можете после нажатия esc:

  • Нажмите i для редактирования
  • Нажмите w, чтобы сохранить
  • Нажмите q! выйти

Введите следующий код в режиме редактирования и нажмите esc, а затем: w

Примечание: файл регистр и предназначен для чувствительных. 2 пробела требуются после каждого намерения.

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

Код Объяснение

  • name: hello-tf: имя yml-файла
  • зависимости:
  • Python = 3.6
  • jupyter
  • IPython
  • pandas: установите библиотеки Python версии 3.6, Jupyter, Ipython и pandas
  • pip: установить библиотеку Python
    • https://storage.googleapis.com/tensorflow/MacOS/cpu/tensorflow-1.5.0-py3-none-any.whl: установите TensorFlow из Google apis.

    Нажмите esc и затем: q! в тихом режиме редактирования.

    Для пользователя Windows:

    В Windows нет программы vim, поэтому для выполнения этого шага достаточно Блокнота.

    notepad hello-tf.yml

    Введите следующее в файл

    name: hello-tfdependencies: - python=3.6 - jupyter - ipython - pandas
    • name: hello-tf: имя yml-файла
    • зависимости:
    • Python = 3.6
    • jupyter
    • IPython
    • pandas: установите библиотеки Python версии 3.6, Jupyter, Ipython и pandas

    Откроется блокнот, вы можете редактировать файл отсюда.

    Примечание. Пользователи Windows установят TensorFlow на следующем шаге. На этом этапе вы только готовите среду conda

    Шаг 5) Скомпилируйте файл yml

    Вы можете скомпилировать файл .yml с помощью следующего кода:

    conda env create -f hello-tf.yml

    Примечание. Для пользователей Windows новая среда создается внутри текущего пользовательского каталога.

    Это требует времени. Это займет около 1,1 ГБ на жестком диске.

    Шаг 6) Активируйте среду conda

    Мы почти закончили. Теперь у вас есть 2 окружения. Вы создали изолированную среду conda с библиотеками, которые вы будете использовать во время обучения. Это рекомендуемая практика, поскольку для каждого проекта машинного обучения требуются разные библиотеки. Когда проект закончен, вы можете удалить или нет эту среду.

    conda env list

    Звездочка указывает на значение по умолчанию. Вам нужно переключиться на hello-tf, чтобы активировать среду

    Для пользователей MacOS:

    source activate hello-tf

    Для пользователя Windows:

    activate hello-tf

    Вы можете проверить все зависимости в одной среде. Это важно, потому что позволяет Python использовать Jupyter и TensorFlow из одной среды. Если вы не видите их три в одной папке, вам нужно начать все сначала.

    Для пользователей MacOS:

    which python which jupyter which ipython

    Необязательно: Вы можете проверить наличие обновлений.

    pip install --upgrade tensorflow

    Шаг 7) Только для пользователей Windows: установите TensorFlow

    Для пользователей Windows:

    where python where jupyter where ipython

    Как видите, теперь у вас есть две среды Python. Основной и недавно созданный на ie hello-tf. В основном окружении conda не установлен tenorFlow, только hello-tf. На рисунке Python, Jupyter и Ipython установлены в одной среде. Это означает, что вы можете использовать TensorFlow с ноутбуком Jupyter.

    Вам необходимо установить Tensorflow с помощью следующей команды. Только для пользователей Windows

    pip install tensorflow

    Запустите Jupyter Notebook

    Эта часть одинакова для обеих ОС.

    Вы можете открыть TensorFlow с помощью Jupyter.

    Примечание. Каждый раз, когда вы хотите открыть TensorFlow, вам нужно инициализировать среду

    Вы будете действовать следующим образом:

    • Активировать окружение hello-tf conda
    • Открытый Юпитер
    • Импортировать тензор потока
    • Удалить блокнот
    • Закрыть Юпитер

    Шаг 1) Активировать Conda

    Для пользователей MacOS:

    source activate hello-tf

    Для пользователя Windows:

    conda activate hello-tf

    Шаг 2) Откройте Jupyter

    После этого вы можете открыть Jupyter из терминала

    jupyter notebook

    Ваш браузер должен открыться автоматически, в противном случае скопируйте и вставьте URL-адрес, предоставленный Терминалом. Это начинается с http: // localhost: 8888

    Внутри Jupyter Notebook вы можете увидеть все файлы в рабочем каталоге. Чтобы создать новый Блокнот, просто нажмите на новый и Python 3

    Примечание . Новый блокнот автоматически сохраняется в рабочем каталоге.

    Шаг 3) Импортировать Tensorflow

    Внутри ноутбука вы можете импортировать TensorFlow с псевдонимом tf. Нажмите, чтобы запустить. Новая ячейка создана ниже.

    import tensorflow as tf

    Давайте напишем ваш первый код с TensorFlow.

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

    Новый тензор создан. Поздравление. Вы успешно установили TensorFlow с Jupyter на свою Машину.

    Шаг 4) Удалить файл

    Вы можете удалить файл с именем Untitled.ipynb внутри Jupyer.

    Шаг 5) Закройте Jupyter

    Есть два способа закрытия Jupyter. Первый способ — прямо с ноутбука. Второй способ — использование терминала (или Anaconda Prompt)

    От Юпитера

    На главной панели Jupyter Notebook просто нажмите Выход

    Вы будете перенаправлены на страницу выхода.

    Из терминала

    Выберите терминал или приглашение Anaconda и дважды нажмите Ctrl + C.

    Когда вы в первый раз делаете ctr + c, вас попросят подтвердить, что вы хотите выключить ноутбук. Повторите Ctrl + C для подтверждения

    Вы успешно вышли из системы.

    Юпитер с основной средой Конда

    Если вы хотите запустить TensorFlow с jupyter для будущего использования, вам нужно открыть новый сеанс с

    source activate hello-tf

    Если вы этого не сделаете, Jupyter не найдет TensorFlow

    Как установить tensorflow в jupiter notebook

    Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

    Установите ТензорФлоу 2

    TensorFlow протестирован и поддерживается в следующих 64-битных системах:

    • Питон 3.8–3.11
    • Ubuntu 16.04 или новее
    • Windows 7 или более поздняя версия (с распространяемым пакетом C++ )
    • macOS 10.12.6 (Sierra) или новее (без поддержки графического процессора)
    • WSL2 через Windows 10 19044 или выше, включая графические процессоры (экспериментальная версия)
    # Requires the latest pip pip install --upgrade pip 
    # Current stable release for CPU and GPU pip install tensorflow 
    # Or try the preview build (unstable) pip install tf-nightly

Скачать пакет

Установите TensorFlow с помощью менеджера пакетов Python pip .

Официальные пакеты доступны для Ubuntu, Windows и macOS.

Прочтите руководство по установке pip

Запустите контейнер TensorFlow

Образы TensorFlow Docker уже настроены для запуска TensorFlow. Контейнер Docker работает в виртуальной среде и является самым простым способом настроить поддержку графического процессора.

docker pull tensorflow/tensorflow:latest # Download latest stable image 
docker run -it -p 8888:8888 tensorflow/tensorflow:latest-jupyter # Start Jupyter server

Google Colab: простой способ изучить и использовать TensorFlow

Установка не требуется — запускайте учебные пособия по TensorFlow прямо в браузере с помощью Colaboratory , исследовательского проекта Google, созданного для распространения образования и исследований в области машинного обучения. Это среда ноутбука Jupyter, которая не требует настройки для использования и полностью работает в облаке. Прочитайте сообщение в блоге .

Running Tensorflow in Jupyter Notebook

I am trying to do some deep learning work. For this, I first installed all the packages for deep learning in my Python environment. Here is what I did. In Anaconda, I created an environment called tensorflow as follows

conda create -n tensorflow

Then installed the data science Python packages, like Pandas, NumPy, etc., inside it. I also installed TensorFlow and Keras there. Here is the list of packages in that environment

(tensorflow) SFOM00618927A:dl i854319$ conda list # packages in environment at /Users/i854319/anaconda/envs/tensorflow: # appdirs 1.4.3 appnope 0.1.0 py36_0 beautifulsoup4 4.5.3 py36_0 bleach 1.5.0 py36_0 cycler 0.10.0 py36_0 decorator 4.0.11 py36_0 entrypoints 0.2.2 py36_1 freetype 2.5.5 2 html5lib 0.999 py36_0 icu 54.1 0 ipykernel 4.5.2 py36_0 ipython 5.3.0 py36_0 ipython_genutils 0.2.0 py36_0 ipywidgets 6.0.0 py36_0 jinja2 2.9.5 py36_0 jsonschema 2.5.1 py36_0 jupyter 1.0.0 py36_3 jupyter_client 5.0.0 py36_0 jupyter_console 5.1.0 py36_0 jupyter_core 4.3.0 py36_0 Keras 2.0.2 libpng 1.6.27 0 markupsafe 0.23 py36_2 matplotlib 2.0.0 np112py36_0 mistune 0.7.4 py36_0 mkl 2017.0.1 0 nbconvert 5.1.1 py36_0 nbformat 4.3.0 py36_0 notebook 4.4.1 py36_0 numpy 1.12.1 numpy 1.12.1 py36_0 openssl 1.0.2k 1 packaging 16.8 pandas 0.19.2 np112py36_1 pandocfilters 1.4.1 py36_0 path.py 10.1 py36_0 pexpect 4.2.1 py36_0 pickleshare 0.7.4 py36_0 pip 9.0.1 py36_1 prompt_toolkit 1.0.13 py36_0 protobuf 3.2.0 ptyprocess 0.5.1 py36_0 pygments 2.2.0 py36_0 pyparsing 2.1.4 py36_0 pyparsing 2.2.0 pyqt 5.6.0 py36_2 python 3.6.1 0 python-dateutil 2.6.0 py36_0 pytz 2017.2 py36_0 PyYAML 3.12 pyzmq 16.0.2 py36_0 qt 5.6.2 0 qtconsole 4.3.0 py36_0 readline 6.2 2 scikit-learn 0.18.1 np112py36_1 scipy 0.19.0 np112py36_0 setuptools 34.3.3 setuptools 27.2.0 py36_0 simplegeneric 0.8.1 py36_1 sip 4.18 py36_0 six 1.10.0 six 1.10.0 py36_0 sqlite 3.13.0 0 tensorflow 1.0.1 terminado 0.6 py36_0 testpath 0.3 py36_0 Theano 0.9.0 tk 8.5.18 0 tornado 4.4.2 py36_0 traitlets 4.3.2 py36_0 wcwidth 0.1.7 py36_0 wheel 0.29.0 wheel 0.29.0 py36_0 widgetsnbextension 2.0.0 py36_0 xz 5.2.2 1 zlib 1.2.8 3 (tensorflow) SFOM00618927A:dl i854319$

You can see that jupyter is also installed. Now, when I open up the Python interpreter in this environment and I run the basic TensorFlow command, it all works fine. However, I wanted to do the same thing in the Jupyter notebook. So, I created a new directory (outside of this environment).

mkdir dl

In that, I activated tensorflow environment

SFOM00618927A:dl i854319$ source activate tensorflow (tensorflow) SFOM00618927A:dl i854319$ conda list

And I can see the same list of packages in that. Now, I open up a Jupyter notebook

SFOM00618927A:dl i854319$ source activate tensorflow (tensorflow) SFOM00618927A:dl i854319$ jupyter notebook

It opens up a new notebook in the browser. But when I just import basic python libraries in that, like pandas, it says "no packages available". I am not sure why is that when the same environment has all those packages and in the same directory, if I use Python interpreter it shows all packages.

import pandas --------------------------------------------------------------------------- ModuleNotFoundError Traceback (most recent call last) in () ----> 1 import pandas ModuleNotFoundError: No module named 'pandas'

enter image description here

Why jupyter notebook is not picking up these modules? So, Jupyter notebook doesn't show env as the interpreter

Установите TensorFlow с помощью pip

Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

Это руководство предназначено для последней стабильной версии TensorFlow. Для предварительной сборки (nightly) используйте пакет pip с именем tf-nightly . Обратитесь к этим таблицам, чтобы узнать о требованиях к более старой версии TensorFlow. Для сборки только для ЦП используйте пакет pip с именем tensorflow-cpu .

Вот быстрые версии команд установки. Прокрутите вниз, чтобы увидеть пошаговые инструкции.

Линукс

Примечание. Начиная с TensorFlow 2.10 , сборки ЦП Linux для процессоров Aarch64/ARM64 создаются, обслуживаются, тестируются и выпускаются третьей стороной: AWS . При установке пакета tensorflow на машину ARM устанавливается пакет AWS tensorflow-cpu-aws . Они предоставляются как есть. Tensorflow приложит разумные усилия для поддержания доступности и целостности этого пакета pip. Могут возникнуть задержки, если третья сторона не сможет выпустить пакет pip. Дополнительную информацию об этом сотрудничестве можно найти в этом сообщении в блоге .

python3 -m pip install tensorflow[and-cuda] # Verify the installation: python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

MacOS

# There is currently no official GPU support for MacOS. python3 -m pip install tensorflow # Verify the installation: python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Родной для Windows

Внимание: TensorFlow 2.10 был последней версией TensorFlow, которая поддерживала графический процессор в Windows. Начиная с TensorFlow 2.11 , вам нужно будет установить TensorFlow в WSL2 или установить tensorflow или tensorflow-cpu и, при необходимости, попробовать TensorFlow-DirectML-Plugin.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 # Anything above 2.10 is not supported on the GPU on Windows Native python -m pip install "tensorflow

Windows WSL2

Примечание. TensorFlow с доступом к графическому процессору поддерживается для WSL2 в Windows 10 19044 или более поздней версии. Это соответствует Windows 10 версии 21H2, обновлению от ноября 2021 года. Вы можете получить последнее обновление здесь: Загрузите Windows 10 . Инструкции см. в разделе «Установка WSL2» и документации NVIDIA по настройке CUDA в WSL.

python3 -m pip install tensorflow[and-cuda] # Verify the installation: python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Процессор

Примечание. Начиная с TensorFlow 2.10 , сборки ЦП Windows для процессоров x86/x64 создаются, обслуживаются, тестируются и выпускаются третьей стороной: Intel . При установке собственного пакета tensorflow или tensorflow-cpu для Windows устанавливается пакет Intel tensorflow-intel . Эти пакеты предоставляются «как есть». Tensorflow приложит разумные усилия для поддержания доступности и целостности этого пакета pip. Могут возникнуть задержки, если третья сторона не сможет выпустить пакет pip. Дополнительную информацию об этом сотрудничестве можно найти в этом сообщении в блоге .

python3 -m pip install tensorflow # Verify the installation: python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Ночью

python3 -m pip install tf-nightly # Verify the installation: python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Требования к оборудованию

Примечание. Двоичные файлы TensorFlow используют инструкции AVX , которые могут не работать на старых процессорах.

Поддерживаются следующие устройства с поддержкой графического процессора:

  • Карта NVIDIA® GPU с архитектурами CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 и выше. См. список графических карт с поддержкой CUDA® .
  • Для графических процессоров с неподдерживаемой архитектурой CUDA®, а также для того, чтобы избежать JIT-компиляции из PTX или использовать другие версии библиотек NVIDIA®, см. руководство по сборке Linux из исходного кода .
  • Пакеты не содержат кода PTX, за исключением последней поддерживаемой архитектуры CUDA®; поэтому TensorFlow не загружается на старых графических процессорах, если установлено CUDA_FORCE_PTX_JIT=1 . (Подробнее см. в разделе «Совместимость приложений ».)

Системные Требования

  • Ubuntu 16.04 или выше (64-разрядная версия)
  • macOS 10.12.6 (Sierra) или более поздняя версия (64-разрядная версия) (без поддержки графического процессора)
  • Windows Native — Windows 7 или более поздняя версия (64-разрядная версия) (без поддержки графического процессора после TF 2.10)
  • Windows WSL2 — Windows 10 19044 или более поздняя версия (64-разрядная версия)

Требования к программному обеспечению

  • Питон 3.9–3.11
  • pip версии 19.0 или выше для Linux (требуется поддержка manylinux2014 ) и Windows. pip версии 20.3 или выше для macOS.
  • Для Windows Native требуется распространяемый пакет Microsoft Visual C++ для Visual Studio 2015, 2017 и 2019.

Следующее программное обеспечение NVIDIA® требуется только для поддержки графического процессора.

  • Драйверы графического процессора NVIDIA® версии 450.80.02 или выше.
  • Набор инструментов CUDA® 11.8 .
  • cuDNN SDK 8.6.0 .
  • (Необязательно)TensorRT для улучшения задержки и пропускной способности вывода.

Пошаговые инструкции

Линукс

1. Системные требования

  • Ubuntu 16.04 или выше (64-разрядная версия)

TensorFlow официально поддерживает только Ubuntu. Однако следующие инструкции могут работать и для других дистрибутивов Linux.

Примечание. Начиная с TensorFlow 2.10 , сборки ЦП Linux для процессоров Aarch64/ARM64 создаются, обслуживаются, тестируются и выпускаются третьей стороной: AWS . При установке пакета tensorflow на машину ARM устанавливается пакет AWS tensorflow-cpu-aws . Они предоставляются как есть. Tensorflow приложит разумные усилия для поддержания доступности и целостности этого пакета pip. Могут возникнуть задержки, если третья сторона не сможет выпустить пакет pip. Дополнительную информацию об этом сотрудничестве можно найти в этом сообщении в блоге .

2. Настройка графического процессора

Вы можете пропустить этот раздел, если запускаете TensorFlow только на процессоре.

Установите драйвер графического процессора NVIDIA, если у вас его еще нет. Вы можете использовать следующую команду, чтобы убедиться, что она установлена.

nvidia-smi

3. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

# For GPU users pip install tensorflow[and-cuda] # For CPU users pip install tensorflow

4. Проверьте установку

Проверьте настройку ЦП:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Если возвращается список устройств графического процессора, вы успешно установили TensorFlow.

MacOS

1. Системные требования

  • macOS 10.12.6 (Sierra) или новее (64-разрядная версия)

В настоящее время нет официальной поддержки графического процессора для запуска TensorFlow на MacOS. Следующие инструкции предназначены для работы на процессоре.

2. Проверьте версию Python

Проверьте, настроена ли ваша среда Python:

Примечание. Требуется Python 3.9–3.11 и pip >= 20.3 для MacOS.

python3 --version python3 -m pip --version

3. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

pip install tensorflow

4. Проверьте установку

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Если возвращается тензор, вы успешно установили TensorFlow.

Родной для Windows

Внимание: TensorFlow 2.10 был последней версией TensorFlow, которая поддерживала графический процессор в Windows. Начиная с TensorFlow 2.11 , вам нужно будет установить TensorFlow в WSL2 или установить tensorflow-cpu и, при необходимости, попробовать TensorFlow-DirectML-Plugin.

1. Системные требования

  • Windows 7 или выше (64-разрядная версия)

2. Установите распространяемый пакет Microsoft Visual C++.

Установите распространяемый пакет Microsoft Visual C++ для Visual Studio 2015, 2017 и 2019 . Начиная с версии TensorFlow 2.1.0, из этого пакета требуется файл msvcp140_1.dll (который может отсутствовать в более старых распространяемых пакетах). Распространяемый пакет поставляется с Visual Studio 2019 , но его можно установить отдельно:

  1. Перейдите к загрузкам Microsoft Visual C++ .
  2. Прокрутите страницу вниз до раздела Visual Studio 2015, 2017 и 2019 .
  3. Загрузите и установите распространяемый пакет Microsoft Visual C++ для Visual Studio 2015, 2017 и 2019 для вашей платформы.

3. Установите Миниконду

Miniconda — рекомендуемый подход для установки TensorFlow с поддержкой графического процессора. Он создает отдельную среду, чтобы избежать изменения любого установленного программного обеспечения в вашей системе. Это также самый простой способ установить необходимое программное обеспечение, особенно для настройки графического процессора.

Загрузите установщик Windows Miniconda . Дважды щелкните загруженный файл и следуйте инструкциям на экране.

4. Создайте среду conda

Создайте новую среду conda с именем tf с помощью следующей команды.

conda create --name tf python=3.9

Вы можете деактивировать и активировать его с помощью следующих команд.

conda deactivate conda activate tf

Убедитесь, что он активирован до конца установки.

5. Настройка графического процессора

Вы можете пропустить этот раздел, если запускаете TensorFlow только на процессоре.

Сначала установите драйвер графического процессора NVIDIA, если у вас его еще нет.

Затем установите CUDA, cuDNN с помощью conda.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

6. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

Примечание. Не устанавливайте TensorFlow вместе с conda. Возможно, у него не последняя стабильная версия. pip рекомендуется, поскольку TensorFlow официально выпущен только для PyPI.

# Anything above 2.10 is not supported on the GPU on Windows Native pip install "tensorflow

7. Проверьте установку

Проверьте настройку ЦП:

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Если возвращается список устройств графического процессора, вы успешно установили TensorFlow.

Windows WSL2

1. Системные требования

  • Windows 10 19044 или выше (64-разрядная версия). Это соответствует Windows 10 версии 21H2, обновлению от ноября 2021 года.

См. следующие документы, чтобы:

  • Загрузите последнее обновление Windows 10 .
  • Установить WSL2
  • Настройка поддержки графического процессора NVIDIA® в WSL2

2. Настройка графического процессора

Вы можете пропустить этот раздел, если запускаете TensorFlow только на процессоре.

Установите драйвер графического процессора NVIDIA, если у вас его еще нет. Вы можете использовать следующую команду, чтобы убедиться, что она установлена.

nvidia-smi

3. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

# For GPU users pip install tensorflow[and-cuda] # For CPU users pip install tensorflow

4. Проверьте установку

Проверьте настройку ЦП:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Если возвращается список устройств графического процессора, вы успешно установили TensorFlow.

Расположение посылки

Для некоторых механизмов установки требуется URL-адрес пакета TensorFlow Python. Указанное вами значение зависит от вашей версии Python.

Версия URL-адрес
Линукс
Поддержка графического процессора Python 3.9 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.14.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 только для ЦП https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.14.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Поддержка графического процессора Python 3.10 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.14.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 только для процессора https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.14.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Поддержка графического процессора Python 3.11 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.14.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.11 только для ЦП https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.14.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (только для процессора)
Питон 3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.14.0-cp39-cp39-macosx_10_15_x86_64.whl
Питон 3.10 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.14.0-cp310-cp310-macosx_10_15_x86_64.whl
Питон 3.11 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.14.0-cp311-cp311-macosx_10_15_x86_64.whl
Окна
Python 3.9 только для ЦП https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.14.0-cp39-cp39-win_amd64.whl
Python 3.10 только для процессора https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.14.0-cp310-cp310-win_amd64.whl
Python 3.11 только для ЦП https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.14.0-cp311-cp311-win_amd64.whl

Если не указано иное, контент на этой странице предоставляется по лицензии Creative Commons "С указанием авторства 4.0", а примеры кода – по лицензии Apache 2.0. Подробнее об этом написано в правилах сайта. Java – это зарегистрированный товарный знак корпорации Oracle и ее аффилированных лиц.

Последнее обновление: 2023-09-30 UTC.

Похожие публикации:
  1. End что это
  2. Как подключить maven к существующему проекту
  3. Как сделать картинку фоном в html
  4. Как удалить vjoy virtual joystick с компьютера

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *