设置 TensorFlow 环境并在 Python 中使用 Jupyter
推荐文章：【Python】【Python目录】(https://jb243.github.io/pages/786)
1. 概述
2. 安装 Anaconda
4. 安装Jupyter
1.概述
⑴ TensorFlow、Keras 等是为了用 Python 实现人工神经网络而创建的。
⑵ 2017年起推出与R兼容的版本。
⑶ MacBook 自带终端，所以自然会安装这些。
⑷ 自 2020 年 9 月起，Anaconda 一直向员工超过 200 人的企业或政府组织的用户提供收费服务。
2.安装 Anaconda
⑴ Windows
① 步骤1： 安装网址：www.anaconda.com/products/individual
② 步骤2： 下载及安装指南：www.guru99.com/download-install-r-rstudio.html
③ 第3步： 最后安装以下内容：
○ Jupyter 笔记本（anaconda3）
○ Anaconda 导航器 (anaconda3)
○ Spyder (anaconda3)
○ Anaconda PowerShell 提示符 (anaconda3)
○ Anaconda 提示符（anaconda3）
⑵ 对于Linux
⑵ Linux
① 步骤 1. Miniconda : 从这里安装Miniconda3 Linux 64位
② 步骤1 - 方法1
○ 步骤 1. 从链接下载文件
○ 步骤 2. 将
.sh文件移动到 Linux 中所需的目录：您可以使用cp、rsync、scp等命令
○
cp [OPTION] [SOURCE] [DESTINATION]：复制并粘贴文件
○
-r：复制整个子目录和文件
○
-p：复制保留所有者、组、权限和时间戳信息
○
scp：文件损坏的可能性很小
○
scp -P **${port}** **${srcFile}** **${id}** @ **${destIP}** : **${destPath}**
○
**${port}**：目标端口号
○
**${srcFile}**：要从源移动的文件的路径。示例：“~/Downloads/file.txt”
○
**${id}**：目的地用户的ID
○
**${destIP}**：目标 IP 地址。示例：#.#.#.# (IPv4)
○
**${destPath}**：目标存储文件的目录地址。示例：~/DATA1/1.txt
○ 代码生成器
○
rsync（远程同步）：速度更快
○
rsync --rsh=’ssh -p **${port}** ’ -avzhP **${srcFile}** **${id}**@**${destIP}** : **${destPath}**
○
**${port}**：目标端口号
○
**${srcFile}**：要从源移动的文件的路径。示例：“~/Downloads/file.txt”
○
**${id}**：目的地用户的ID
○
**${destIP}**：目的地的 IP 地址。示例：#.#.#.# (IPv4)
○
**${destPath}**：目标位置存储文件的目录地址。示例：~/DATA1/1.txt
○ 代码生成器
③ 步骤1 - 方法2
○ 步骤 1. 从上面的链接复制 Miniconda3 Linux 64 位的下载链接
○ 步骤 2. 使用
curl -o命令
curl -o my.sh "https://repo.anaconda.com/miniconda/Miniconda3-py38_23.3.1-0-Linux-x86_64.sh"
④ 步骤2. 执行
.sh文件，处理.sh文件
○ 文件执行：要执行
.sh文件，您可以执行./[My_File].sh、sh [My_File].sh或bash [My_File].sh。
○ 文件修改：shell有两种，
zsh和bash。
○
$ vi script.sh
○
$ nano backup»> ○$ sudo apt-get install zsh
○ 授予权限
○ 示例：$
chmod +x run-md5sum.sh
⑤ 步骤 3. 运行 Miniconda .sh 文件并阅读条款和条件以继续安装。按 Enter 键继续。
⑥ 步骤4. 响应许可协议：
○ 在第一次提示时必须回答“是”。
⑦ 步骤 5. 回答第二个“是”。
○ 回答是否执行install init。
○ 默认值为“否”，但选择“否”将阻止
/bin/bash正常运行。
○ 建议明确输入“是”。
⑧ 步骤 6. 重新启动 Linux 系统或运行
/bin/bash。
○ 如果
/bin/bash无法正常运行或conda命令无法识别：
○ 步骤1. 检查conda 路径是否包含在您的PATH 中。
○
echo $PATH | grep miniconda
○
export PATH="/root/miniconda3/bin:$PATH"
○ 步骤 2. 重新加载
~/.bashrc设置或启动新的 bash 会话。
○
source ~/.bashrc
○
exec bash
3。 Anaconda 提示 (anaconda3)
⑴ 对于 Windows
① 运行anaconda3：建议以管理员权限运行。
② 安装软件包并设置虚拟环境：虚拟环境是软件包的捆绑包，用于管理软件包版本。
受保护_0
⑵ 对于Linux
① 在Linux中，一旦安装了conda，您可以很容易地看到它是否安装了名称前面的(base)。
② Base 是默认环境的名称，当安装新环境时，它会更改为不同的环境名称（见下文）。
③ 注意，环境存储在./miniconda3/envs/中。
⑶ 故障排除
① 避免在用户名或文件路径中使用韩文字符。
②（可能）方法1：使用英文用户名和文件路径创建一个新的用户帐户：设置→家庭和其他用户→将其他人添加到此电脑。
③（不推荐）方法二：更改用户名：www.tabmode.com/windows10/win10-user-name-change.html#gsc.tab=0
○ 使用此方法可能会导致“无法登录您的 Windows 帐户”问题。
④（可能）方法3： AccountProfilerFixer.exe: m.blog.naver.com/dupen/222081638329
4。安装 Jupyter
⑴ 步骤1. 运行anaconda3并输入以下代码（参考链接：wikidocs.net/25280）
受保护_1
⑵ 步骤2. jupyter lab（可选）
受保护_2
① jupyter lab 目录管理方便。
② jupyter lab可以轻松上传、删除、重命名文件。
⑶ 步骤3. 安装软件包（例如tensorflow）
受保护_3
① 笔者更喜欢按照上面的方式安装。
② 不过，安装tensorflow.keras而不是keras可能有利于版本管理。
⑷ 步骤4. 安装jupyter ipykernel
受保护_4
① 将 JEONGBIN_ENV 替换为您的环境名称。
② 您可以通过此轻松更改已启动的 Jupyter Notebook 的环境。
③ Jupyter Notebook 中更改内核的按钮。
图 1. Jupyter Notebook 中用于更改内核的按钮。
⑸ 步骤 5. 运行 Jupyter Notebook
① 步骤5-1. 点击浏览器右上角的新建 → Python 3。
○ 如果 Jupyter 中安装了 R，则步骤 1 中的 Python 3 下也会显示 R。
② 步骤5-2. 输入代码→运行。
③ Jupyter Notebook 快捷键
○ a：在当前单元格上方添加一个新单元格» ○ b：在当前单元格下方添加新单元格
○ z：撤消操作
○ Shift + 向上/向下箭头：选择多个连续单元格
○ Command (⌘) + Enter：执行当前单元格
○ Command (⌘) + f：查找字符串
○ Command (⌘) + s：保存
5。共享 Anaconda 环境
⑴ 环境文件（.yml）：最简单的方法
① 步骤1. 提取环境文件：从名为JEONGBIN_ENV 的环境中提取
.yml文件。
受保护_5
② 步骤2. 使用环境文件创建环境
受保护_6
③ 故障排除1. 解决环境：失败。 ResolvedPackageNotFound：（[参考]（https://stackoverflow.com/questions/55554431/conda-fails-to-create-environment-from-yml））
○ 看来在 Windows 中使用上述 conda 命令本质上会导致错误。
○ 方法1. 删除构建信息后执行。
○ 方法2. 删除平台特定版本标签后执行。
⑵ Docker：最推荐的方法
⑶ 粘合剂
⑷ requirements.txt：您可以使用 pip list 和 pip freeze 等命令列出软件包。这些包可以保存到 requirements.txt 文件中，以便稍后使用以下命令批量下载包。
pip install -r requirements.txt
⑸ 设置.py
①
pip install .命令执行位于当前目录（.）中的setup.py文件来构建包。
② 构建好的包安装在Python的site-packages目录下。
③ 安装时，引用
setup.py中的install_requires字段，自动安装依赖。
○
install_requires：定义基本依赖项。
○
requirements.txt：定义开发和测试的附加依赖项。
④ 示例 1.
受保护_7
⑤ 示例 2.
pip install PATH/TO/FILE/allendigger-1.0.tar.gz
⑹ 通过 GitHub 存储库共享环境。
受保护_8
⑺ README.md：仅以纯文本形式表示规格。
⑻ 要运行 .sh 文件，可以使用 ./[My_File].sh、sh [My_File].sh 或 bash [My_File].sh 来执行。
受保护_74
⑼ renv：R 的依赖管理系统
⑽ uv package ：Uvicorn的依赖管理工具
受保护_9
⑾basilisk：R包。支持 R-python 互操作性（参考）
⑿受保护_78
① 用C++编写，以取代日益笨重的conda。
② Anaconda 的经理。可以使用bioconda通道。适用于 Python、R。
③ 步骤1. 创建conda环境，命名为MyENV
mamba create --yes --name MyENV --channel bioconda python=3.11
④ 步骤2. 将新环境添加到JupyterLab内核中
~/.conda/envs/MyENV/bin/python -m ipykernel install --user —name=MyENV
⒀ SnakeMake：基于Python的管道开发和工作流管理系统。
⒁ Singularity：像 Docker 这样的容器。
① 最初称为 Singularity 的容器运行时已更名为 Apptainer。
②
.sif文件指的是 Singularity 容器镜像文件。
③ 命令1. 创建容器
○
singularity create container.img
○ Singularity Recipe 示例：它指定并包含安装软件、环境变量、文件和容器元数据。
受保护_10
④ 命令2. 添加内容
○
singularity import container.img docker://ubuntu
○
sudo singularity bootstrap container.img Singularity
⑤ 命令3. 交互修改
○
sudo singularity shell --writable container.img
⑥ 命令4. 执行容器
○
singularity run container.img
○
singularity shell container.img
○
singularity exec container.img⒂ 其他容器平台（ref1、ref2、ref3、 参考4)
① 豆荚人
② 卡尼科
③ RunC 构建套件
④ RKT
⑤ 重新注册
⑥ Vagrant ZeroVM
⑦ 容器化
⑧ DockerSlim
⑨ 红帽 OpenShift – Kubernetes、红帽 Quay
⑩ 用户指导
⑪ HyScale
⑫ 詹金斯
⑬ 构建
⑭ LXD
⑮ 鞭炮
⑯ Microsoft Azure 容器注册表
⑰ 匕首
⑱ 韦尔夫
⑲ SUSE 的 Rancher 桌面
⑳ Apache Mesos
㉑ VirtualBox
㉒ 亚马逊 ECR
㉓ 港口
㉔ GitHub 容器注册表
㉕ Google 容器注册表
㉖ JFrog 容器注册中心
㉗ Sonatype Nexus 存储库 OSS
㉘ GitLab 容器注册表
输入： 2021.02.28 17:36
修改： 2023.05.22 15:04