Window版下在Jupyter中编写TensorFlow的环境搭建

在疫情飘摇的2020年初,TensorFlow发布了2.1.0版本,本Python小白在安装过程中遇坑无数,幸得多年练就的百度功力终于解决,特记录下来以免后人跳坑。

准备工作

Python 3.6或3.7 。TensorFlow2.1.0版本将是最后一个支持Python 2的版本,但Python3.8还不支持,因此请自行从官网下载安装Python 3.6或3.7(我安装的是3.6)。

一、搭建虚拟环境(以下顺序不要乱)

virtualenv可以搭建虚拟且独立的Python环境,解决不同的工程依赖不同版本的库的问题,亦可使不同环境仅保留项目有用的库以免引发未来的依赖灾难。

1. 安装virtualenv

pip3 install virtualenv 安装virtualenv

任意目录> pip3 install virtualenv

2. 安装virtualenvwrapper

virtualenv的一个最大的缺点就是,每次开启虚拟环境要去虚拟环境所在目录下的bin目录下运行一下activate,这不仅麻烦,还需要我们记住每个虚拟环境所在的目录,which你应该记不住。这时,我们就可以使用virtualenvwrapper管理你的虚拟环境的目录,以后每次使用只需要 work on 虚拟环境名 即可。

pip3 install virtualenvwrapper-win 安装Windows版virtualenvwrapper

任意目录> pip3 install virtualenvwrapper-win

3. 创建WORKON_HOME环境变量

在我的电脑-属性-高级系统设置-环境变量-系统变量中,添加WORK_ON变量,存储你想要创建的虚拟环境的地址。

4. 创建虚拟环境

mkvirtualenv 你的虚拟环境名称 [--python=安装路径\python.exe] 会创建一个指定Python版本的虚拟环境

任意目录> mkvirtualenv v36env --python=D:\Python\Python36\python.exe

这会在我的WORKON_HOME目录创建一个v36env文件夹,使用我安装在D:\Python\Python36\目录下的3.6版本的Python

5. 使用虚拟环境

workon 命令会列出你当前的虚拟环境名称(其实列出的是WORKON_HOME目录下所有文件夹的名称)
workon 虚拟环境名称 激活虚拟环境并在虚拟环境上工作

任意目录> workon
Pass a name to activate one of the following virtualenvs:
=============================================================
v36env

任意目录> workon v36env
(v36env) 任意目录>

6. 离开、删除虚拟环境

deactivate 当虚拟环境使用完毕,用这个命令退出

(v36env) 任意目录> deactivate
任意目录>

rmvirtualenv 虚拟环境名称 删除虚拟环境(其实就是删除文件夹,你手动删除也可以)

任意目录> rmvirtualenv v36env
  Deleted D:\Python\Env\v36env
任意目录>

二、安装TensorFlow(以下顺序可以乱)

1. 在虚拟环境中安装TensorFlow

在命令行中进入你的虚拟环境所在目录(我的是D:\Python\Env),然后workon 虚拟环境激活并开始使用虚拟环境。
pip install tensorflow安装TensorFlow,这个过程比较漫长。

如果你还需要其他数据分析相关的库,比如pandas,matplotlib,也需要在虚拟环境中安装

D:\Python\Env>workon v36env
(v36env) D:\Python\Env> pip install tensorflow

2. 确保你安装了VC++2015

TensorFlow是基于VC++2015开发的,所以需要下载安装 Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019来获取MSVCP140.DLL的支持。安装方法很简单,点击上面链接在官网下载安装即可。

3. 安装CUDA和CUDNN

TensorFlow 2.1.0 现在默认包括针对 Linux 和 Windows 的 GPU 支持,因此需要安装NVIDIA CUDA Toolkit和对应版本的NVIDIA CUDA Deep Neural Network library (cuDNN) 。我安装的是10.1版本,现在已经有10.2版本了。下载cuDNN的时候需要免费注册NVIDIA账号,当然如果你是像我一样吃鸡的小伙伴对显卡有稍高需求,那你八成已经有这个帐号了。
顺便吐槽一下NVIDIA账号什么都没有,还非要密码包含大小写加符号,我三次输入错误后账号被锁,想通过contact us解锁却发现给客服发邮件需要先登录 >_<

4. 检验TensorFlow是否安装成功

在虚拟环境中,运行import tensorflow,如果没有报错,恭喜你,你成功了一大半了!如果报错了,那也恭喜你,你发现了我还没发现的坑,请你稳住心态,移步百度。

(v36env) D:\Python\Env\v36env> python
Python 3.6.8 (tags/v3.6.8:3c6b436a57, Dec 24 2018, 00:16:47) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
2020-04-08 21:05:37.219916: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
>>>

三、在Jupyter中编写TensorFlow代码

别问我为啥要在Jupyter Notebook中编写TensorFlow,人家还是小白~

1. 安装ipykernel

pip install ipykernel 在刚刚你的虚拟环境中,安装ipykernel

(v36env) D:\Python\Env\v36env> pip install ipykernel

2. 在Jupyter中添加虚拟环境

python -m ipykernel --user --name 虚拟环境名 [--display-name Jupyter中要显示的名字]

(v36env) D:\Python\Env> python -m ipykernel --user --name v36env
(v36env) D:\Python\Env> jupyter notebook

打开后Jupyter Notebook后,就可以在Kernel-Change kernel中看到刚刚添加的虚拟环境了,我的是v36env。当你选择该虚拟环境后,右上角应该显示为可信的(而不是挂掉了)。

3. 在Jupyter中编写TensorFlow

来了老铁!
现在你可以在cell里输入import tensorflow并运行一下,如果没有报错,那么恭喜你终于成功的搭建好了编程环境,可以开始编写TensorFlow代码了!

到此这篇关于Window版下在Jupyter中编写TensorFlow的环境搭建 的文章就介绍到这了,更多相关TensorFlow环境搭建 内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

(0)

相关推荐

  • TensorFlow在MAC环境下的安装及环境搭建

    给大家分享一下TensorFlow在MAC系统中的安装步骤以及环境搭建的操作流程. TensorFlow 底层的图模型结构清晰,容易改造:支持分布式训练:可视化效果好.如果做长期项目,接触较大数据集的话,TensorFlow很适用,而且谷歌也在不断优化完备它,对于使用深度学习朋友,TensorFlow是一个很好的工具. 在学习了一段时间台大李宏毅关于deep learning的课程,以及一些其他机器学习的书之后,终于打算开始动手进行一些实践了. 感觉保完研之后散养状态下,学习效率太低了,于是便想

  • Tensorflow环境搭建的方法步骤

    What? 我们需要通过VMware虚拟机平台+Ubuntu虚拟机+安装pip的方式来搭建TensorFlow的环境. 官网参考文档地址:https://www.tensorflow.org/install/,由于博主用的是ubuntu 14.04,因此以Ubuntu为例,进行说明,其他OS请参考上面给出的链接. 提示:最好别用windows,后面会有很多的兼容问题 安装的方式也有好几种,通过pip,docker,Anacodnda等,因为ubuntu是自带Python和pip的,因此这里给出的

  • 基于ubuntu16 Python3 tensorflow(TensorFlow环境搭建)

    人最大的长处就是有厉害的大脑.电脑.手机等都是对人大脑的拓展.现今,我们每个人都有这个机会,让自己头脑在智能的帮助下,达到极高的高度.所以,拥抱科技,让智能产品成为我们个人智力的拓展,更好的去生活.去战斗. 用项目引导学习: 我们的目标是用现有最流行的谷歌开源框架TensorFlow,搭建一款儿童助学帮手.类似于现在已有的在售商品小米智能语音盒子之类的东西,. 一.Windows下安装虚拟机VMware Workstation,在虚拟机中安装Ubuntu(要善用搜索引擎,解决各类简单问题) 这里

  • Anaconda3+tensorflow2.0.0+PyCharm安装与环境搭建(图文)

    1.下载与安装Anaconda3 首先去官网Anaconda下载网址下载Anaconda3,我安装的版本是Anaconda3 2019.03(64-bit) (1)下载完成后,右键点击以管理员身份运行 (2)点击Next继续,然后点击I agree (3)选择Just Me,点击Next后,然后选择合适的安装路径(也可以选择默认安装路径) (4)继续按照下面指示一步步操作,完成安装 最后点击Finish,完成安装! 2.创建虚拟环境,并下载安装tensorflow2.0.0 (1)成功安装Ana

  • win10下python3.5.2和tensorflow安装环境搭建教程

    在win10环境下搭建python3.5.2和tensorflow平台,供大家参考,具体内容如下 操作步骤如下: 1.官网(https://www.python.org/ )下载python3.5.2  选择Downloads-Windows 选择64位executable installer 2.安装过程,双击.exe可执行文件(此步可参考安装教程:win10环境下python3.5安装步骤图文教程) 一路默认下去! 3.安装成功后打开cmd命令窗口 print("Hello World!&q

  • Window版下在Jupyter中编写TensorFlow的环境搭建

    在疫情飘摇的2020年初,TensorFlow发布了2.1.0版本,本Python小白在安装过程中遇坑无数,幸得多年练就的百度功力终于解决,特记录下来以免后人跳坑. 准备工作 Python 3.6或3.7 .TensorFlow2.1.0版本将是最后一个支持Python 2的版本,但Python3.8还不支持,因此请自行从官网下载安装Python 3.6或3.7(我安装的是3.6). 一.搭建虚拟环境(以下顺序不要乱) virtualenv可以搭建虚拟且独立的Python环境,解决不同的工程依赖

  • Ubuntu中配置TensorFlow使用环境的方法

    一.TensorFlow简介 TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief. Tensorflow拥有多层级结构,可部署于各类服务器.PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究. TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维

  • Windows下Java+MyBatis框架+MySQL的开发环境搭建教程

    MyBatis是一个Java持久化框架,它通过XML描述符或注解把对象与存储过程或SQL语句关联起来. MyBatis是在Apache许可证 2.0下分发的自由软件,是iBATIS 3.0的分支版本.其维护团队也包含iBATIS的初创成员. 与其他的对象关系映射框架不同,MyBatis并没有将Java对象与数据库表关联起来,而是将Java方法与SQL语句关联.MyBatis允许用户充分利用数据库的各种功能,例如存储过程.视图.各种复杂的查询以及某数据库的专有特性.如果要对遗留数据库.不规范的数据

  • 从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

    VScode不愧是用户数量上升最快的编辑器,界面华丽(当然,需要配合各种主题插件),十分容易上手且功能强大.之前用它写C++体验十分nice,现在需要学习tensorflow,而工欲善其事必先利其器,搭建一个舒服的开发环境是非常重要的第一步. 目标:在linux下从无到有,安装anaconde3, tensorflow, 配置vs code,直到可以运行一个tensorflow版hello world(实为mnist手写数据分类).尽管有其他的安装tensorflow的方式,但使用anacond

  • VSCode下.json文件的编写之(1) linux/g++ (2).json中参数与预定义变量的意义解释

    0 引言 转入linux/VSCode编程之后,迫切了解到有必有较为系统地学习一下VSCode中相关配置文件的写法.下面将分为 linux/g++编译指令..json文件关键词/替换变量的意义.编译链接过程原理分析几个部分进行介绍,并以opencv为例,将上述知识综合运用. 1 linux/g++编译指令介绍 参照BattleScars的博客,摘取其中对本文有用的部分进行运用,博客链接如下,质量非常之高,表示感谢!!! https://www.jb51.net/article/183540.ht

  • 离线状态下在jupyter notebook中使用plotly实例

    首先创建一个新的python3记录,之后在开始位置输入以下语句并执行: import plotly import plotly.offline as py py.init_notebook_mode(connected=False) import plotly.graph_objs as go 注意此时实际上是将plotly的库文件写在了ipynb文件内部,因此保存后的ipynb文件会比较大,一般在5M以上. 补充知识:plotly 绘制离线图例(折线) 我就废话不多说了,还是直接看代码吧! #

  • window版 IntelliJ IDEA 快捷键图文教程

    一.重构 1.重构变量 修改变量名称,即重命名.快捷键 Shift + F6 ,位于 Refactor 中. 2.重构方法 可以增加变量个数.快捷键 Ctrl + F6 ,位于 Refactor 中. 二.抽取 1.抽取变量 抽取变量的快捷键 Ctrl +Alt + V,位于 Refactor 中的Extract. 2.抽取静态变量 抽取静态变量的快捷键 Ctrl + Alt + C. 3.抽取成员变量 抽取成员变量的快捷键 Ctrl + Alt + F. 4.抽取方法参数 抽取方法参数的快捷键

  • Window系统下Python如何安装OpenCV库

    关于OpenCV简介 OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库,可以运行在Linux.Windows.Android和Mac OS操作系统上.它轻量级而且高效--由一系列 C 函数和少量 C++ 类构成,同时提供了Python.Ruby.MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法. OpenCV用C++语言编写,它的主要接口也是C++语言,但是依然保留了大量的C语言接口. 在计算机视觉项目的开发中,OpenCV作为较大众的开源库,拥有了丰富的常

  • docker容器下配置jupyter notebook的操作

    docker容器下配置jupyter notebook,主要是为了编写python代码,更具体点是做深度学习的开发. jupyter web形式最高效的使用方式就是部署在云上,不管是cpu云服务器还是gpu的云服务器,都能快速启动使用. 而docker的出现又方便了很多在部署使用上. - 安装 docker docker分为docker CE和docker EE,一般使用docker CE(社区版本). docker可以在Linux(ubuntu.centos).MacOS.Windows或者树

随机推荐