在 Jupyter Notebook 中运行 TensorFlow答案

【问题标题】：Running Tensorflow in Jupyter Notebook在 Jupyter Notebook 中运行 TensorFlow
【发布时间】：2017-08-30 04:28:33
【问题描述】：

我正在尝试做一些深度学习工作。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 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，如 Pandas、NumPy 等。我还在那里安装了 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$

可以看到jupyter也被安装了。

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

mkdir dl

在那，我激活了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，我打开一个 Jupyter 笔记本

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

它会在浏览器中打开一个新笔记本。但是当我只导入基本的python库时，比如pandas，它会说“没有可用的包”。我不确定为什么当同一个环境有所有这些包并且在同一个目录中时，如果我使用 Python 解释器它会显示所有包。

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 没有选择这些模块？

所以，Jupyter notebook 不会将 env 显示为解释器

【问题讨论】：

您在创建笔记本时是否也选择了env 作为笔记本python 解释器？
我不确定我是否理解？我刚刚激活了同一目录中的环境，然后从该环境中调用了 Jupyter。你能指导如何做你提到的事情吗？
在右上角你应该有一个notebook解释器。您能检查一下为您的笔记本设置了哪一个吗？
我选择了Python3
让我们continue this discussion in chat.

标签： python tensorflow jupyter-notebook keras

【解决方案1】：

我想出了你的案子。我就是这样整理的

安装 Anaconda
创建虚拟环境 - conda create -n tensorflow
进入您的虚拟环境 -（在 macOS/Linux 上：）source activate tensorflow（在 Windows 上：activate tensorflow）
在里面安装 tensorflow。您可以使用pip 安装它
完成安装

那么接下来，当你启动它时：

如果您不在虚拟环境类型中 - Source Activate Tensorflow
然后在其中再次安装您的 Jupiter notebook 和 Pandas 库，因为这个虚拟环境中可能缺少一些内容

在虚拟环境中输入：

pip install jupyter notebook
pip install pandas

然后你可以启动 jupyter notebook 说：

jupyter notebook
选择正确的终端python 3或2
然后导入这些模块

【讨论】：

数据科学出了点问题，人们怎么能在如此困难的设置中进入它......
当你使用新东西时会发生这种情况。一旦事情稳定下来并创建了标准，那么只需单击一个按钮。 15 年前，当 CSS 首次问世时，让它在 IE5/6 和 Netscape 上始终如一地工作是一场彻头彻尾的噩梦。
@JuanBoer一直到为什么它如此复杂。

【解决方案2】：

安装 Anaconda
运行 Anaconda 命令提示符
为 windows 编写“激活 tensorflow”
点安装张量流
pip install jupyter notebook
jupyter 笔记本。

只有这个解决方案对我有用。尝试了 7 8 个解决方案。使用Windows平台。

【讨论】：

【解决方案3】：

如果你有 Anaconda，我相信一个显示所有细节的短视频是下面的 mac（它也与 windows 用户非常相似）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 notebook和code

!pip install tensorflow

然后

import tensorflow as tf

它对我有用！ :)

【讨论】：

这很奇怪。我认为此问题仅在可能依赖内核引用的 pip 安装的旧软件包版本中遇到
你好@bmbigbang 可能是这种情况，但我也下载了新版本的 pip 并且它做了同样奇怪的行为，因此，我想回答这个问题。

【解决方案4】：

对于 Windows 10 中的 Anaconda 用户和最近更新 Anaconda 环境的用户，TensorFlow 可能会导致激活或启动一些问题。这是我探索并为我工作的解决方案：

卸载当前 Anaconda 环境，并从您的 C:\Users 或安装它的位置删除所有与 Anaconda 关联的现有文件。
下载 Anaconda (https://www.anaconda.com/download/?lang=en-us#windows)
安装时，勾选“将 Anaconda 添加到我的 PATH 环境变量”
安装后，打开 Anaconda 命令提示符，使用以下步骤安装 TensorFlow：
通过调用以下命令创建一个名为 tensorflow 的 conda 环境：

conda create -n tensorflow python=3.5 （即使您使用的是 python 3.6，也请使用此命令，因为 TensorFlow 将在以下步骤中升级）
通过发出以下命令激活 conda 环境：

激活张量流这一步之后，命令提示符会变成（tensorflow）
激活后，使用以下命令升级 tensorflow：

pip install --ignore-installed --upgrade 现在您已经成功安装了 CPU 版本的 TensorFlow。
关闭 Anaconda 命令提示符并再次打开并使用“activate tensorflow”命令激活 tensorflow 环境。
在 tensorflow 环境中，使用命令安装以下库：点安装 jupyter 点安装 keras 点安装熊猫点安装熊猫数据阅读器点安装 matplotlib 点安装 scipy pip install sklearn
现在您的 TensorFlow 环境包含深度学习中使用的所有常用库。
恭喜，这些库将使您准备好构建深度神经网络。如果您需要使用相同的命令“pip install libraryname”安装更多库

【讨论】：

【解决方案5】：

我找到了一种相当简单的方法。

最初，通过您的 Anaconda Prompt，您可以按照这个 Tensorflow 官方网站 - here 中的步骤进行操作。您必须按照原样执行步骤，没有偏差。

稍后，您打开 Anaconda Navigator。在 Anaconda Navigator 中，转到 Applications On --- 部分。选择下拉列表，按照上述步骤后，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，在这个新上下文中选择 Jupyter Notebook 并安装它，让安装结束。

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

【讨论】：

【解决方案6】：

通过在 anconda shell 或控制台中运行这些命令来安装 tensorflow：

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

关闭控制台并重新打开并输入以下命令：
```
activate tensorflow 
jupyter notebook 
```

【讨论】：

【解决方案7】：

您需要为其添加一个“内核”。运行你的环境：

>activate tensorflow

然后通过命令添加内核（在 --name 之后应该跟随您的环境。使用 tensorflow）：

>python -m ipykernel install --user --name tensorflow --display-name "TensorFlow-GPU"

之后，从您的 tensorflow 环境中运行 jupyter notebook。

>jupyter notebook

然后你会看到以下内容 enter image description here

点击它，然后在笔记本中导入包。肯定会成功的。

【讨论】：

【解决方案8】：

最好用新名称（$newenv）创建新环境：conda create -n $newenv tensorflow

然后通过使用环境选项卡下的anaconda navigator，您可以在中间栏中找到newenv。

点击播放按钮打开终端并输入：activate tensorflow

然后在 newenv 中安装 tensorflow，输入：pip install tensorflow

现在您在新环境中拥有了 tensorflow，然后输入以下内容来安装 jupyter：pip install jupyter notebook

然后只需输入：jupyter notebook 即可运行 jupyter 笔记本。

jupyter notebook 里面的类型：import tensorflow as tf

要测试 tf 你可以使用THIS LINK

【讨论】：

【解决方案9】：

我建议从您的基础环境启动 Jupyter 实验室/笔记本并选择正确的内核。

How to add conda environment to jupyter lab 应该包含将内核添加到基础环境所需的信息。

免责声明：我在链接的主题中提出了问题，但我觉得它也回答了您的问题。

【讨论】：

【解决方案10】：

虽然这个问题被问了很长时间，因为我一直在寻找同样的问题并且找不到现有的解决方案有用，但我写了解决我遇到相同问题的任何人的问题：重点是，Jupyter 应该安装在你的虚拟环境中，也就是说，激活tensorflow 环境后，在命令提示符下运行以下命令（在tensorflow 虚拟环境中）：

conda install jupyter
jupyter notebook

然后会弹出jupyter。

【讨论】：

【解决方案11】：

我必须使用 condo 的 pip3 安装它。只需启动 jupyter-notebook 并执行以下操作

import sys
sys.executable

这会给你这样的东西

/home/<user>/anaconda3/bin/python

现在在终端中执行以下命令（使用上面我们找到 python 的路径中的 pip3）

/home/<user>/anaconda3/bin/pip3 install tensorflow

这基本上是使用 Conda pip3 安装程序在 Conda 环境中安装 Tensorflow

【讨论】：