在Jupyter Notebook中运行Tensorflow
keras
python
tensorflow
22
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