早些时候,我通过Anaconda在Ubuntu14.04中安装了Jupyter笔记本,现在我安装了TensorFlow。我希望TensorFlow能够正常工作,无论我是在笔记本电脑上工作还是只是编写脚本。为了实现这一点,我安装了两次TensorFlow,一次使用Anaconda,一次使用pip。Anaconda安装工作正常,但我需要在调用python之前加上“source activate tensorflow”。pip安装工作得很好,如果以标准方式(在终端中)启动python,那么tensorflow的加载就很好。
我的问题是:我怎样才能让它在Jupyter笔记本中工作?
这就引出了一个更一般的问题:我在Jupyter/Anaconda中的python内核似乎与系统范围内使用的python内核(或环境?不确定这里的术语)是分开的。如果这些内容同时出现,那就太好了,因此,如果我安装了一个新的python库,我可以通过各种方式运行python来访问它。
我有另一个解决方案,在每次使用jupyter笔记本之前,您不需要
source激活tensorflow
。
第1部分
首先,您应该确保在virtualenv中安装了jupyter。如果已安装,则可以跳过此部分(使用
哪个jupyter
进行检查)。如果没有,您可以运行source activate tensorflow
,然后通过conda install jupyter
在您的virtualenv中安装jupyter。(您也可以使用pip
)
第二部分
1.在你的VirtualNV中,跑步
username$ source activate tensorflow
(tensorflow)username$ ipython kernelspec install-self --user
这将为您的虚拟环境创建一个内核规格,并告诉您它在哪里:
(tensorflow)username$ [InstallNativeKernelSpec] Installed kernelspec pythonX in /home/username/.local/share/jupyter/kernels/pythonX
PythonX将匹配您的虚拟环境中的Python版本。
2.将新内核规范复制到有用的地方。为您的新内核选择一个不是python2或python3或您以前使用过的
kernel_name
,然后:
(tensorflow)username$ mkdir -p ~/.ipython/kernels
(tensorflow)username$ mv ~/.local/share/jupyter/kernels/pythonX ~/.ipython/kernels/<kernel_name>
3.如果您想更改IPython显示给您的内核的名称,您需要编辑
~/。ipython/内核/
4.您现在应该能够在IPython笔记本菜单中看到您的内核:
kernel-
参考。
我在virtualenv中使用了以下内容。
pip3 install --ignore-installed ipython
pip3 install --ignore-installed jupyter
这重新安装了ipython和jupyter笔记本在我的tenstorflow虚拟环境。你可以在安装后通过哪个ipython
和哪个jupyter
来验证它。bin
将在虚拟环境下。
注意我正在使用python 3。**
使现代化
TensorFlow网站支持五个安装。
据我所知,直接使用Pip安装将TensorFlow导入Jupyter Notebook(只要安装了Jupyter Notebook且没有其他问题)b/z它不会创建任何虚拟环境。
使用虚拟环境安装和conda安装需要将jupyter安装到新创建的TensorFlow环境中,以允许TensorFlow在Jupyter笔记本中工作(有关更多详细信息,请参阅以下原始帖子部分)。
我相信docker安装可能需要在VirtualBox中进行一些端口设置,以使TensorFlow在Jupyter笔记本中工作(参见本文)。
对于从源代码安装,还取决于源代码构建和安装到哪个环境。如果它安装在新创建的虚拟环境或未安装Jupyter Notebook的虚拟环境中,它还需要将Jupyter Notebook安装到虚拟环境中,以便在Jupyter Notebook中使用Tensorflow。
原创帖子
要在Ipython和/或Jupyter(Ipython)笔记本中使用tenstorflow,您需要在tenstorflow激活环境下安装Ipython和Jupyter(安装tenstorflow后)。
在tensorflow环境下安装Ipython和Jupyter之前,如果您在终端中执行以下命令:
username$ source activate tensorflow
(tensorflow)username$ which ipython
(tensorflow)username$ /Users/username/anaconda/bin/ipython
(tensorflow)username$ which jupyter
(tensorflow)username$ /Users/username/anaconda/bin/jupyter
(tensorflow)username$ which python
(tensorflow)username$ /User/username//anaconda/envs/tensorflow/bin/python
这告诉您,当您从终端打开python时,它使用的是安装在tensorflow的“环境”中的python。因此,您实际上可以成功导入tensorflow。但是,如果您试图运行ipython和/或jupyter笔记本电脑,则这些笔记本电脑未安装在配备tensorflow的“环境”下,因此它必须返回到没有tensorflow模块的常规环境中使用,因此会出现导入错误。
您可以通过列出envs/tenorflow/bin目录下的项目来验证这一点:
(tensorflow) username$ ls /User/username/anaconda/envs/tensorflow/bin/
您将看到没有列出“ipython”和/或“jupyer”。
要将tensorflow与Ipython和/或Jupyter笔记本一起使用,只需将它们安装到tensorflow环境中:
(tensorflow) username$ conda install ipython
(tensorflow) username$ pip install jupyter #(use pip3 for python3)
安装它们之后,envs/tensorflow/bin/目录中应该会显示一个“jupyer”和一个“ipython”。
注意:在尝试在jupyter笔记本中导入tensorflow模块之前,请尝试关闭笔记本。和“源代码停用tensorflow”,然后重新激活它(“源代码激活tensorflow”),以确保内容“在同一页上”。然后重新打开笔记本并尝试导入tensorflow。它应该是成功导入(至少在我的工作)。
在Anaconda Navigator中,我切换到在tensorflow上运行应用程序,并安装了jupyter 5.6.0。然后我打开一个蟒蛇3笔记本。然后我导入tensorflow、keras和numpy,没有问题。然后,当我尝试导入matplotlib时,笔记本上显示ImportError:没有名为“matplotlib”的模块。 在激活tensorflow后,我尝试在我的anaconda提示
我正在尝试做一些深度学习的工作。为此,我首先在我的Python环境中安装了所有用于深度学习的包。 这就是我所做的。 在Anaconda中,我创建了一个名为的环境,如下所示 然后在其中安装了data science Python包,如Pandas、NumPy等。我还在那里安装了TensorFlow和Keras。下面是该环境中的包列表 您可以看到还安装了。 现在,当我在这个环境中打开Python解释器
我在使用Jupyter笔记本电脑的Windows版本时遇到了一些问题。我尝试通过以下链接下载TensorFlow:https://www.tensorflow.org/install/pip?lang=python3 在这个过程之后,我只是编译了它,它再次给了我相同的错误消息。“ModuleNotFoundError:没有名为‘tensorflow’的模块”在“venv环境”中,我也已经在那里下载
我在Microsoft Azure上部署了一个HDInsight 3.6 Spark(2.3)集群,使用标准配置(位置=美国中部,头节点=D12 v2(x2)-8个核心,工作节点=D13 v2(x4))-32个核心)。 在这方面有什么帮助吗
问题内容: 我正在研究Jupyter Notebook,并希望通过使用Google GPU使其运行更快。我已经进行了一些研究并找到了解决方案,但是它对我没有用。 解决方案是: “最简单的方法是使用Connect to Local Runtime, 然后选择硬件加速器作为GPU,如Google Colab Free GPU Tutorial中所示 。” 我确实设法将googe colab连接到jup
因此,我试图从远程pc连接到我的jupyter笔记本,因为我自己的pc没有全局IP,我必须首先连接到本地网络(服务器1)中的另一台pc,然后通过ssh连接到我自己的pc,并在其上运行jupyter(服务器2),所以类似这样: 我的笔记本电脑- 我曾经这样做,当两个服务器Linux这样: 在我的笔记本电脑上: 在服务器1上: 在服务器2上: 但是现在我的服务器2是一台windows pc,我的jup
我在Ubuntu14.04上的ipython笔记本上成功地使用了pyspark[与python 2.7],为spark创建了一个特殊的配置文件,并通过调用$ipython笔记本--profile spark启动了笔记本。创建spark配置文件的机制在许多网站上都给出了,但我使用了这里给出的一个。 $home/.ipython/profile_spark/startup/00-pyspark-set
在wsl(Windows linux子系统)中的conda虚拟环境中运行jupyter笔记本时,复制粘贴url将不起作用。它总是显示“响应时间太长”或“连接超时”。