Anaconda tensorflow install windows

Install TensorFlow 2.0 along with all packages on Anaconda for Windows 10 and Ubuntu

Anaconda makes it easy to install TensorFlow, enabling your data science, machine learning, and artificial intelligence workflows.

But, It’s frustrating to start installing all packages one-by-one after creating a new environment to install TensorFlow. Here we will learn how to install TensorFlow and also make use of your already pre-installed packages by cloning them to your new TensorFlow environment.

We will also set up the TensorFlow and implement MNIST classification with TF 2.0… Let’s get down to business.

TensorFlow 2.0 focus on simplicity and ease of use, featuring updates like:

TF 2.0 has Keras API integrated with it. When you install TensorFlow Kears comes with it automatically. Keras is an extremely popular high-level API for building and training deep learning models.

Note: If you’re new to TensorFlow don’t worry about TF1.x just start off with the TF2.0 check TensorFlow website to get yourself started.

Let’s start installing and setting up TensorFlow 2.0…

Python 3.6+ through Anaconda

Anaconda with Jupyter provides a simpler approach for installing Python and working on it.

Installing Anaconda is relatively straightforward.

1. Download Anaconda — Follow this link to download Anaconda.

After installed Anaconda — Open Anaconda prompt —

2. We can create an environment containing TF2 directly since Anaconda is supporting Tensorflow 2.0.0

Anaconda ships with a root environment, this is named as base. We are going to clone a new environment from it. (All the packages installed on base environment will now be present in the new environment).

It may take some time to finish cloning depending on the number or the size of packages you have installed in the base environment.

After finished cloning,

3. Activate your environment

To confirm all packages as been cloned successfully — run the below command

Before starting the TensorFlow installation, we will update pip

4. Install TensorFlow 2.0

5. Test the installation

The output will be (ignoring the system messages),

TensorFlow 2.0 Example: Basic classification: Classify images of clothing

We will train a neural network model to classify images of clothing, like sneakers and shirts.

This guide uses tf.keras, a high-level API to build and train models in TensorFlow.

Download the fashion_mnist data from the tf open datasets and pre-process it.

To see what we have in the data, we will plot a few examples from it.

The next thing to do now is, we will build the model layer-by-layer.

Note: We only trained on just five epochs because this model is only for demonstration.

Now let’s test the model accuracy on the test data

Let’s visualize one of the predictions.

As shown in the plot above, the prediction probability of ‘Ankle boot’ is the highest. To further confirm, Let’s print the predicted label as,

The GitHub repository with the MNIST example on TensorFlow 2.0 is here.

Источник

Установка tensorflow с anaconda в windows

Я не могу установить Tensorflow таким же образом, как я установил эти другие пакеты. Как я должен его установить?

20 ответов

Я пытаюсь установить Tensorslow на свой компьютер Windows 7 64 bit. Я установил Anaconda с Python 3.5. После этого я так и сделал conda install theano это успешно делается. conda install mingw libpython успешно сделано. pip install tensorflow Ошибка Я не могу установить Tensorflow так же, как я.

Google недавно запустил более новую версию Tesnsorflow r0.12, которая включает поддержку Windows как CPU, так и GPU версии теперь могут быть установлены с использованием Python >=3.5.2 (только 64-bit) версии.

Для версии CPU только откройте командную строку и введите команду follow

Следуйте этому Tensorflow на Windows для получения пошаговых инструкций.

UPDATE

Для установки текущей последней версии выполните следующую команду:

UPDATE 2020

Tensorflow 2.0 теперь имеет один пакет как для версии CPU, так и для версии GPU, просто запустите его

Если вы используете Anaconda, вы можете установить версию Tensorflow GPU и все ее зависимости (CUDA, cuDNN), запустив:

Чтобы установить TF на windows, выполните следующие действия:

Идут долгие дискуссии по Github:

На данный момент, на Windows, самый простой способ начать работу с TensorFlow- это использовать Docker : http://tensorflow.org/get_started/os_setup.md#docker-based_installation

Или просто используйте Linux VM (используя VMPlayer), и указанные шаги настроят его для вас.

Если вы установили версию 64-bit Python 3.5 (либо из Python.org, либо из Anaconda), вы можете установить TensorFlow с помощью одной команды: C:> pip установить tensorflow

Для поддержки GPU, если у вас установлен CUDA 8.0, вы можете установить вместо него следующий пакет: C:> pip установить tensorflow-gpu

None of the other steps mentioned online helped, I found it here when trying to install an older version.

Eventhough the steps mentioned in the link seems to be for MAC OS X/Linux it worked in windows 7

You can install spyder along with this conda install spyder

Это сработало для меня:

Откройте Навигатор Anaconda.

Измените выпадающий список «Applications on» с «root» на » tensorflow «

Запустите небольшой код, чтобы проверить, что вы готовы к работе:

У меня есть python 3.5 с anaconda. Сначала я попробовал все, что было приведено выше, но это не сработало для меня на windows 10 64bit. Поэтому я просто попробовал:-

Если у вас есть только одна версия, то введите cmd:

для нескольких версий python введите cmd:

Это работает, просто попробуйте.
После установки откройте консоль ipython и импортируйте tensorflow:

Если tensorflow установлен правильно, то вы готовы к работе. Наслаждайтесь машинным обучением:-)

Я нашел более свежее сообщение в блоге в Anaconda, которое инструктирует, как легко установить TF. Я использовал:

Или для версии GPU (убедитесь, что у вас есть NVIDIA GPU)

Таким образом, у вас будут разные среды для разных TFs.

Следующая команда из вашего командного окна (и предпочтительно из среды conda) будет работать при условии, что у вас есть видеокарта Nvidia.

1) Обновление conda

Запустите приглашение anaconda от имени администратора

2) создайте среду для python новой версии, скажем, 3.6

3) активируйте новую среду

5) Установите tensorflow

Если это не сработает

Если у вас есть проблема с колесом в местоположении среды или проблема pywrap_tensorflow,

Затем установите TensorFlow отсюда

(Ранее я пробовал использовать Anaconda для Python 3.6, но потерпел неудачу даже после создания Conda env для Python3.5)

Кроме того, если вы хотите запустить ноутбук Jupyter и использовать в нем TensorFlow. Используйте следующие шаги.

Измените значение на TensorFlow env:

После установки вы можете запустить Jupyter Notebook и протестировать его

Это то, что я сделал для установки версии Anaconda Python 3.6 и Tensorflow в окне 10 64bit.And это был успех!

Создайте среду conda с именем tensorflow, вызвав следующую команду:

Активируйте среду conda, выполнив следующую команду:

C:> активировать tensorflow (tensorflow)C:> # ваша подсказка должна измениться

gohlke/pythonlibs/enter коду здесь скачать “tensorflow-1.0.1-cp36-cp36m-win_amd64.whl”. (В моем случае файл будет расположен в “C:\Users\Joshua\Downloads” сразу после загрузки)

Установите Tensorflow с помощью следующей команды:

(tensorflow)C:>pip установить C:\Users\Joshua\Downloads\ tensorflow-1.0.1-cp36-cp36m-win_amd64.whl

Проверьте установку, введя следующую команду в вашей среде Python:

импортируйте tensorflow как tf hello = tf.constant(‘Hello, TensorFlow!’) Сэсс = tf.Session() печать(sess.run(hello))

Если результат, который вы получили, равен ‘Hello, TensorFlow!’,это означает, что вы успешно установили свой Tensorflow.

будет работать и для Windows 10, но версия Python должна быть 3.5 или выше. Я использовал его с версией Anaconda Python 3.6 в качестве формата буфера протокола, на который он ссылается, доступного на 3.5 или выше. Спасибо, Сандип

Эта ссылка на документацию полезна и работает для меня. Устанавливает все зависимости и создает рабочий Anaconda. Или этот ответ также полезен, если вы хотите использовать его со spyder

Я использую windows 10, Anaconda и python 2. Комбинация упомянутых решений сработала для меня:

Как только вы установили tensorflow с помощью:

Затем я понял, что tensorflow не может быть импортирован в jupyter notebook, хотя он может работать в commad windows. Чтобы решить эту проблему сначала я проверил:

список jupyter kernelspec

Я удаляю Jupyter kernelspec, используя:

jupyter kernelspec удалить python2

Теперь список jupyter kernelspec указывает на правильный kernel. Опять же, я активирую tensorflow и устанавливаю ноутбук в его окружении:

(tensorflow)C:> conda install notebook

Кроме того, если вы хотите использовать другие библиотеки, такие как matplotlib, они должны быть установлены отдельно в среде tensorflow

Теперь все работает нормально для меня.

Открыть приглашение anaconda

убедитесь, что ваша версия pip обновлена

и у вас есть python 3.4 3.5 или 3.6

Просто выполните команду

вы можете воспользоваться помощью из документации и видео

Если у вас установлена anaconda версия 2.7 на вашем windows, то перейдите в строку anaconda и введите эти две команды:

Теперь вы можете использовать import tensorflow as tf для использования tensorflow в вашем коде.

Я перепробовал много вещей, но всегда сталкивался с той или иной проблемой. Нижеприведенные шаги с конкретной версией работали только для меня.

1> создания виртуального окружения

3> установить tensorflow

это позволит установить tensorflow 1.10.0

3> установить keras

«Conda» устанавливает некоторые специальные пакеты, которые могли быть скомпилированы на C или других языках. Вы можете использовать «pip install tensorflow», и это будет работать.

Похожие вопросы:

В этом разделе описывается проблема. Я не могу установить TF и использовать его в Anaconda с Spyder IDE на Windows. Установка TF GPU v0.12.1 в рамках этого скрипта успешно завершается: pip install.

Я пытаюсь установить Tensorflow на свой Windows PC. Поскольку я уже установил и использовал Anaconda на Python (3.5), я следовал инструкциям.

Я следовал инструкциям в https:/ / www.tensorflow.org / версии/r0. 10 / get_started/os_setup. html#anaconda-установка активация tensorflow изменяет среду, как указано в инструкции но стадион conda.

Я пытаюсь установить Tensorslow на свой компьютер Windows 7 64 bit. Я установил Anaconda с Python 3.5. После этого я так и сделал conda install theano это успешно делается. conda install mingw.

Я пытался установить Tensorflow 2.0 в Anaconda. До сих пор tensorflow работает нормально (я могу использовать библиотеку в своем коде), но когда я устанавливаю ее, она говорит установка версии: 2.0.

Я не могу заставить tensorflow работать на двух разных Windows PCs, и на обоих я получаю ModuleNotFoundError: нет модуля с именем ‘tensorflow’, когда пытаюсь импортировать их в python. Например.

Источник

Пошаговое руководство по установке Tensorflow 2

Дата публикации Jun 14, 2019

TensorFlow 2 собирается изменить ландшафт Deep Learning. Это сделало,

Благодаря этому Deep Learning станет более популярным в различных областях исследований и промышленности.

Я рекомендую прочитать [1] а также [2] узнать больше информации о преимуществах TensorFlow 2.0. Таким образом, TF 2.0 обеспечил простоту реализации наряду с огромной вычислительной эффективностью и совместимостью с любой платформой, такой как Android, iOS и встроенными системами, такими как Raspberry Pi и Edge TPU.

Достижение этого было трудным прежде и требовало затрат времени на поиск альтернативных путей. Так как TensorFlow 2 привел их всех, необходимо перейти на него раньше, чем позже.

Для этого здесь мы изучим установку и настройку TensorFlow 2.0.

Предпосылки

Вариант 1: Python 3.4+ через Анаконду

Anaconda с Jupyter предоставляет более простой подход для установки Python и работы над ним.

Установка Anaconda относительно проста. Перейдите по этой ссылке с последней версией Python 3.4+:https://jupyter.org/install

Похожий на pip с Анакондой мы имеем conda для создания виртуальных сред и установки пакетов.

Вариант 2: Python (без Анаконды)

а. Установите Python 3.4+

Проверьте ваши текущие версии.

У меня разные Python на моем Mac (Python 3.6 на Anaconda) и Ubuntu (Python 3.7). Вывод, который я вижу на них,

Либо Python внутри Анаконды, либо иначе будет работать.

Если ваша версияне3.4+, установите его следующим образом.

б. Установить virtualenv

virtualenv требуется для создания виртуальной среды. Его требования объяснены в следующем разделе.

Mac OS

Ubuntu

Далее мы рассмотрим шаги установки с обоими.

Шаг 1. Создайте виртуальную среду на Python.

Почему мы хотим виртуальную среду?

Это означает, что мы можем хранить разные версии одного и того же пакета, например, мы можем использовать scikit-learn 0.1 для одного проекта и scikit-learn 0.22 для другого проекта в той же системе, но в разных виртуальных средах.

Создание виртуальной среды

Ubuntu / Mac (Python без Анаконды)

Конда на Ubuntu / Mac (Python от Анаконды)

Если вы используете Conda, вы можете создать виртуальную среду как,

Шаг 2. Активируйте виртуальную среду.

Активируйте виртуальную среду.

Ubuntu / Mac (Python без Анаконды)

Конда на Ubuntu / Mac (Python от Анаконды)

Шаг 3. Установите TensorFlow 2.0.

Следующие инструкции одинаковы для обеих опций Python.

Теперь установите TensorFlow.

tensorflow Приведенный выше аргумент устанавливает версию 2.0.0-бета1 только для процессора.

На момент написания этой статьи у нас был тензор потока 2.0.0-бета1. Это рекомендуется. Мы можем изменить аргумент на один из следующих, основываясь на нашем требовании.

Примечание: мы будем использовать pip install и для Конды. TensorFlow не доступен с conda ,

Шаг 4. Проверьте установку.

Чтобы быстро проверить установку через терминал, используйте

Вывод будет (игнорируя системные сообщения),

Обратите внимание на вывод версии TensorFlow. Если это не та версия, которую вы установили (в данном случае 2.0.0-бета1), значит, что-то пошло не так. Скорее всего, ранее был установлен TensorFlow и / или текущая установка не удалась.

Пример TensorFlow 2.0

Мы будем тестировать и изучать TensorFlow 2.0 с MNIST (fashion_mnist)Пример классификации изображений.

Убедитесь, что tf.__version__ выходы 2.х. Если версия старше, проверьте установку или виртуальную среду.

Скачатьfashion_mnistданные из tf открыть наборы данных и предварительно обработать его.

Чтобы ознакомиться с данными, мы приведем несколько примеров из них.

Теперь мы будем строить модельпослойный,

Обратите внимание, что эта модель предназначена только для демонстрации и, следовательно, обучена всего за пять эпох.

Теперь мы проверим точность модели на тестовых данных.

Мы представим одно из предсказаний. Мы будем использовать некоторые UDF из [3].

Мы найдем прогноз, то есть вероятность каждого изображения, принадлежащего каждому из 10 классов, для тестовых изображений.

Как мы можем видеть на графике выше, вероятность предсказания «ботинка лодыжки» самая высокая. Для дальнейшего подтверждения мы выводим прогнозируемую метку как,

Шаг 5. Деактивировать виртуальную среду

Перед закрытием мы отключим виртуальную среду.

Для virtualenv использование,

Для conda использование,

Репозиторий GitHub с примером MNIST на TensorFlow 2.0Вот,

Источник

2) Скачать и установить TensorFLow

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:

Во время этого урока достаточно базовой версии TensorFlow.

Примечание. TensorFlow не поддерживает GPU в MacOS.

Вот как это сделать

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

Это включает в себя

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:

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:

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:

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:

Для пользователя Windows (убедитесь, что папка перед 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:

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

Для пользователя Windows:

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.

Пока что ваш терминал выглядит так

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.

Источник

TensorFlow для начинающих. Часть 1: общие сведения, установка библиотеки

TensorFlow — это опенсорсная библиотека, созданная Google, которая используется при разработке систем, использующих технологии машинного обучения. Эта библиотека включает в себя реализацию множества мощных алгоритмов, рассчитанных на решение распространённых задач машинного обучения, среди которых можно отметить распознавание образов и принятие решений.

Этот материал посвящён основам TensorFlow и рассчитан на читателей, которые ничего не знают о данной библиотеке.

TensorFlow: современная библиотека машинного обучения

Проект TensorFlow был переведён Google в разряд опенсорсных в 2015 году. Его предшественником был проект DistBelief, годы опыта, накопленные в ходе работы с которым, отразились на TensorFlow.

Разработчики библиотеки TensorFlow стремились к тому, чтобы она была бы гибкой, эффективной, расширяемой, переносимой. В результате ей можно пользоваться в самых разных вычислительных средах — от тех, которые формируются мобильными устройствами, до сред, представленных огромными кластерами. Библиотека позволяет быстро готовить к реальной работе обученные модели, что устраняет необходимость в создании особых реализаций моделей для продакшн-целей.

Библиотека TensorFlow, с одной стороны, привлекает к себе внимание опенсорс-сообщества и открыта для инноваций, а с другой — пользуется поддержкой крупной корпорации. Это позволяет говорить о том, что у неё есть все шансы на стабильное развитие.

Эта библиотека, благодаря совместным усилиям всех тех, кто работает над ней, подходит для решения задач самых разных масштабов. От тех, которые возникают перед самостоятельным разработчиком, до тех, которые встают перед стартапами и даже перед крупными компаниями вроде Google. С того момента, как эта библиотека стала опенсорсной, с ноября 2015 года, она стала одной из интереснейших библиотек машинного обучения. Её всё чаще и чаще используют при проведении исследований, при разработке реальных приложений, при обучении.

TensorFlow постоянно улучшается, её постоянно снабжают чем-то новым, оптимизируют. Кроме того, растёт и сообщество, сформированное вокруг этой библиотеки.

О названии TensorFlow

Тензор (tensor) — это стандартный способ представления данных в системах глубокого обучения. Тензоры — это многомерные массивы, расширение двумерных таблиц (матриц) для представления данных, имеющих более высокие размерности. Проще говоря, тензор — это n-мерная матрица.

В целом, если вы привыкли к работе с матрицами, тензоры можно представлять себе так же, как вы представляете себе матрицы.

Начнём с установки TensorFlow.

Установка TensorFlow

Если вы начинаете работу с чистой установки Python (возможно, вы установили Python специально ради изучения TensorFlow), для установки TensorFlow достаточно воспользоваться pip :

Этот подход прост, но у него есть некоторые неприятные особенности. Они заключаются в том, что при установке TensorFlow, вместо уже установленных пакетов, будут установлены определённые версии пакетов-зависимостей этой библиотеки.

Для того чтобы установить TensorFlow в виртуальном окружении, сначала нужно такое окружение создать. Мы собираемся разместить его в папке

Выше мы создали виртуальное окружение tensorflow в папке

/envs (оно представлено папкой

/envs/tensorflow ). Для того чтобы активировать это окружение, воспользуемся следующей командой:

После этого приглашение командной строки должно измениться, указывая на активированное виртуальное окружение:

Теперь можно установить TensorFlow в виртуальное окружение с использованием pip :

Такая установка не повлияет на другие пакеты, установленные на компьютере.

Для выхода из виртуального окружения можно воспользоваться такой командой:

После этого приглашение командной строки примет обычный вид.

До недавних пор TensorFlow было очень сложно использовать в среде Windows. Однако после выхода TensorFlow 0.12 особых проблем в этой сфере больше не наблюдается. А именно, для установки CPU-версии TensorFlow под Windows достаточно выполнить следующую команду:

А для установки GPU-версии — следующую:

При установке такой версии TensorFlow предполагается, что у вас уже есть CUDA 8.

Теперь библиотека TensorFlow на вашем компьютере установлена, а значит, пришло время с ней поработать. Начнём, как это обычно бывает при изучении новых технологий, с «Hello World!».

Уважаемые читатели! Этот материал представляет собой перевод начала данной публикации, посвящённой основам TensorFlow. Как вы думаете, стоит ли переводить её дальше?

Только зарегистрированные пользователи могут участвовать в опросе. Войдите, пожалуйста.

Источник