Window版下在Jupyter中編寫TensorFlow的環(huán)境搭建
在疫情飄搖的2020年初,TensorFlow發(fā)布了2.1.0版本,本Python小白在安裝過程中遇坑無數(shù),幸得多年練就的百度功力終于解決,特記錄下來以免后人跳坑。
準備工作
Python 3.6或3.7 。TensorFlow2.1.0版本將是最后一個支持Python 2的版本,但Python3.8還不支持,因此請自行從官網(wǎng)下載安裝Python 3.6或3.7(我安裝的是3.6)。
一、搭建虛擬環(huán)境(以下順序不要亂)
virtualenv可以搭建虛擬且獨立的Python環(huán)境,解決不同的工程依賴不同版本的庫的問題,亦可使不同環(huán)境僅保留項目有用的庫以免引發(fā)未來的依賴災(zāi)難。
1. 安裝virtualenv
pip3 install virtualenv
安裝virtualenv
任意目錄> pip3 install virtualenv
2. 安裝virtualenvwrapper
virtualenv的一個最大的缺點就是,每次開啟虛擬環(huán)境要去虛擬環(huán)境所在目錄下的bin目錄下運行一下activate,這不僅麻煩,還需要我們記住每個虛擬環(huán)境所在的目錄,which你應(yīng)該記不住。這時,我們就可以使用virtualenvwrapper管理你的虛擬環(huán)境的目錄,以后每次使用只需要 work on 虛擬環(huán)境名
即可。
pip3 install virtualenvwrapper-win
安裝Windows版virtualenvwrapper
任意目錄> pip3 install virtualenvwrapper-win
3. 創(chuàng)建WORKON_HOME環(huán)境變量
在我的電腦-屬性-高級系統(tǒng)設(shè)置-環(huán)境變量-系統(tǒng)變量中,添加WORK_ON變量,存儲你想要創(chuàng)建的虛擬環(huán)境的地址。
4. 創(chuàng)建虛擬環(huán)境
mkvirtualenv 你的虛擬環(huán)境名稱 [--python=安裝路徑\python.exe]
會創(chuàng)建一個指定Python版本的虛擬環(huán)境
任意目錄> mkvirtualenv v36env --python=D:\Python\Python36\python.exe
這會在我的WORKON_HOME目錄創(chuàng)建一個v36env文件夾,使用我安裝在D:\Python\Python36\目錄下的3.6版本的Python
5. 使用虛擬環(huán)境
workon
命令會列出你當前的虛擬環(huán)境名稱(其實列出的是WORKON_HOME目錄下所有文件夾的名稱)
workon 虛擬環(huán)境名稱
激活虛擬環(huán)境并在虛擬環(huán)境上工作
任意目錄> workon Pass a name to activate one of the following virtualenvs: ============================================================= v36env 任意目錄> workon v36env (v36env) 任意目錄>
6. 離開、刪除虛擬環(huán)境
deactivate
當虛擬環(huán)境使用完畢,用這個命令退出
(v36env) 任意目錄> deactivate 任意目錄>
rmvirtualenv 虛擬環(huán)境名稱
刪除虛擬環(huán)境(其實就是刪除文件夾,你手動刪除也可以)
任意目錄> rmvirtualenv v36env Deleted D:\Python\Env\v36env 任意目錄>
二、安裝TensorFlow(以下順序可以亂)
1. 在虛擬環(huán)境中安裝TensorFlow
在命令行中進入你的虛擬環(huán)境所在目錄(我的是D:\Python\Env),然后workon 虛擬環(huán)境
激活并開始使用虛擬環(huán)境。
pip install tensorflow
安裝TensorFlow,這個過程比較漫長。
如果你還需要其他數(shù)據(jù)分析相關(guān)的庫,比如pandas,matplotlib,也需要在虛擬環(huán)境中安裝
D:\Python\Env>workon v36env (v36env) D:\Python\Env> pip install tensorflow
2. 確保你安裝了VC++2015
TensorFlow是基于VC++2015開發(fā)的,所以需要下載安裝 Microsoft Visual C++ Redistributable for Visual Studio 2015, 2017 and 2019 來獲取MSVCP140.DLL的支持。安裝方法很簡單,點擊上面鏈接在官網(wǎng)下載安裝即可。
3. 安裝CUDA和CUDNN
TensorFlow 2.1.0 現(xiàn)在默認包括針對 Linux 和 Windows 的 GPU 支持,因此需要安裝NVIDIA CUDA Toolkit和對應(yīng)版本的NVIDIA CUDA Deep Neural Network library (cuDNN) 。我安裝的是10.1版本,現(xiàn)在已經(jīng)有10.2版本了。下載cuDNN的時候需要免費注冊NVIDIA賬號,當然如果你是像我一樣吃雞的小伙伴對顯卡有稍高需求,那你八成已經(jīng)有這個帳號了。
順便吐槽一下NVIDIA賬號什么都沒有,還非要密碼包含大小寫加符號,我三次輸入錯誤后賬號被鎖,想通過contact us解鎖卻發(fā)現(xiàn)給客服發(fā)郵件需要先登錄 >_<
4. 檢驗TensorFlow是否安裝成功
在虛擬環(huán)境中,運行import tensorflow
,如果沒有報錯,恭喜你,你成功了一大半了!如果報錯了,那也恭喜你,你發(fā)現(xiàn)了我還沒發(fā)現(xiàn)的坑,請你穩(wěn)住心態(tài),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中編寫TensorFlow代碼
別問我為啥要在Jupyter Notebook中編寫TensorFlow,人家還是小白~
1. 安裝ipykernel
pip install ipykernel
在剛剛你的虛擬環(huán)境中,安裝ipykernel
(v36env) D:\Python\Env\v36env> pip install ipykernel
2. 在Jupyter中添加虛擬環(huán)境
python -m ipykernel --user --name 虛擬環(huán)境名 [--display-name Jupyter中要顯示的名字]
(v36env) D:\Python\Env> python -m ipykernel --user --name v36env (v36env) D:\Python\Env> jupyter notebook
打開后Jupyter Notebook后,就可以在Kernel-Change kernel中看到剛剛添加的虛擬環(huán)境了,我的是v36env。當你選擇該虛擬環(huán)境后,右上角應(yīng)該顯示為可信的(而不是掛掉了)。
3. 在Jupyter中編寫TensorFlow
來了老鐵!
現(xiàn)在你可以在cell里輸入import tensorflow并運行一下,如果沒有報錯,那么恭喜你終于成功的搭建好了編程環(huán)境,可以開始編寫TensorFlow代碼了!
到此這篇關(guān)于Window版下在Jupyter中編寫TensorFlow的環(huán)境搭建 的文章就介紹到這了,更多相關(guān)TensorFlow環(huán)境搭建 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
pytorch: Parameter 的數(shù)據(jù)結(jié)構(gòu)實例
今天小編就為大家分享一篇pytorch: Parameter 的數(shù)據(jù)結(jié)構(gòu)實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-12-12解決Tensorboard可視化錯誤:不顯示數(shù)據(jù) No scalar data was found
今天小編就為大家分享一篇解決Tensorboard可視化錯誤:不顯示數(shù)據(jù) No scalar data was found,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02