在Jupyter Notebook中运行Tensorflow
keras
python
tensorflow
13
0

我正在尝试做一些深度学习工作。为此，我首先在Python环境中安装了所有用于深度学习的软件包。

这是我所做的。

在Anaconda中，我创建了一个名为tensorflow的环境，如下所示

conda create -n tensorflow

然后在其中安装数据科学Python包，例如Pandas，NumPy等。我也在那里安装了TensorFlow和Keras。这是该环境中的软件包列表

(tensorflow) SFOM00618927A:dl i854319$ conda list
# packages in environment at /Users/i854319/anaconda/envs/tensorflow:
#
appdirs                   1.4.3                     <pip>
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                     <pip>
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                    <pip>
numpy                     1.12.1                   py36_0  
openssl                   1.0.2k                        1  
packaging                 16.8                      <pip>
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                     <pip>
ptyprocess                0.5.1                    py36_0  
pygments                  2.2.0                    py36_0  
pyparsing                 2.1.4                    py36_0  
pyparsing                 2.2.0                     <pip>
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                      <pip>
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                    <pip>
setuptools                27.2.0                   py36_0  
simplegeneric             0.8.1                    py36_1  
sip                       4.18                     py36_0  
six                       1.10.0                    <pip>
six                       1.10.0                   py36_0  
sqlite                    3.13.0                        0  
tensorflow                1.0.1                     <pip>
terminado                 0.6                      py36_0  
testpath                  0.3                      py36_0  
Theano                    0.9.0                     <pip>
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                    <pip>
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$

您可以看到还安装了jupyter 。

现在，当我在此环境中打开Python解释器并运行基本的TensorFlow命令时，一切正常。但是，我想在Jupyter笔记本中做同样的事情。因此，我创建了一个新目录（在此环境之外）。 

mkdir dl

在那，我激活了张量tensorflow环境

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

我可以在其中看到相同的软件包列表。

现在，我打开Jupyter笔记本

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

它在浏览器中打开一个新的笔记本。但是，当我只是在其中导入基本的python库（如pandas）时，它说“没有可用的软件包”。我不确定为什么在相同环境中所有这些软件包都位于同一目录中时，如果使用Python解释器，它将显示所有软件包。 

import pandas
---------------------------------------------------------------------------
ModuleNotFoundError                       Traceback (most recent call last)
<ipython-input-4-d6ac987968b6> in <module>()
----> 1 import pandas

ModuleNotFoundError: No module named 'pandas'

为什么Jupyter Notebook不选择这些模块？

因此，Jupyter Notebook不显示env作为解释器

在此处输入图片说明

参考资料：
Stack Overflow
收藏
评论
共 6 个回答
高赞 时间 活跃

我建议从您的基本环境启动Jupyter实验室/笔记本，然后选择正确的内核。

如何将conda环境添加到Jupyter Lab应该包含将内核添加到基本环境所需的信息。

免责声明：我在链接的主题中提出了问题，但我认为它也回答了您的问题。

收藏
评论
  1. 安装Anaconda
  2. 运行Anaconda命令提示符
  3. 为Windows编写“激活tensorflow”
  4. 点安装tensorflow
  5. 点安装jupyter笔记本
  6. jupyter笔记本。

仅此解决方案对我有用。尝试了7 8解决方案。使用Windows平台。

收藏
评论

我想出了你的案子。这就是我的解决方法

  1. 安装Anaconda
  2. 创建虚拟环境conda create -n tensor flow
  3. 进入您的虚拟环境- Source activate tensorflow
  4. 在里面安装tensorflow。您可以使用pip安装它
  5. 完成安装

所以接下来的事情，当您启动它：

  1. 如果您不在虚拟环境中，请输入- Source Activate Tensorflow
  2. 然后在其中再次安装Jupiter Notebook和Pandas库，因为在此虚拟环境中可能会缺少一些库

在虚拟环境中，只需键入：

  1. pip install jupyter notebook
  2. pip install pandas

然后，您可以启动jupyter笔记本，说：

  1. jupyter notebook
  2. 选择正确的终端python 3或2
  3. 然后导入那些模块
收藏
评论

我找到了一种相当简单的方法来做到这一点。

最初，通过您的Anaconda Prompt，您可以按照此Tensorflow官方网站（ 此处）中的步骤进行操作。您必须按原样进行操作，没有偏差。

以后，您打开Anaconda Navigator。在Anaconda Navigator中，转到“应用程序在---”部分。选择下拉列表，完成上述步骤后，您必须看到一个条目-tensorflow进入其中。选择tensorflow并让环境加载。

然后，在此新上下文中选择Jupyter Notebook，然后安装它，让安装结束。

之后，您可以像在tensorflow环境中的常规笔记本一样运行Jupyter笔记本。

收藏
评论

我相信，如果有Mac的话，如果您有Anaconda，则可以看到一个显示所有详细信息的简短视频（它与Windows用户也非常相似），只需打开Anaconda导航器，一切都一样（几乎！）。

https://www.youtube.com/watch?v=gDzAm25CORk

然后去jupyter笔记本和代码

!pip install tensorflow

然后

import tensorflow as tf

它对我有用！ :)

收藏
评论

  1. 通过在anoconda shell或控制台中运行以下命令来安装tensorflow： 

     conda create -n tensorflow python=3.5 activate tensorflow conda install pandas matplotlib jupyter notebook scipy scikit-learn pip install tensorflow

  2. 关闭控制台，然后重新打开它，然后键入以下命令： 

     activate tensorflow jupyter notebook
收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题