Как установить tensorflow в pycharm

Ошибка при установке библиотеки tensorflow в PyCharm

Возникает ошибка при установке библиотеки tensorflow в PyCharm: ERROR: Could not find a version that satisfies the requirement tensorflow (from versions: none) ERROR: No matching distribution found for tensorflow версия PyCharm 2020.1.3 версия Python3 3.8.3 понятно что ругается на версию, но встает вопрос, а какая версия будет работать с tensorflow?

Отслеживать
задан 22 июл 2020 в 10:52
Алексей Дураков Алексей Дураков
3 2 2 бронзовых знака
я бы не стал экспериментировать с python 3.8.x
22 июл 2020 в 11:09

C 3.8.3 проблем не должно быть, tensorflow его поддерживает, PyCharm скорее всего тоже не при делах. Если у вас виртуальное окружение — активируйте его в терминале, запустите python -c «import sys;print(sys.version)» и скопируйте сюда результат, запустите pip install tensorflow — все таже ошибка?

22 июл 2020 в 15:07

да тоже самое C:\Python3>python -c «import sys;print(sys.version)» 3.8.3 (tags/v3.8.3:6f8c832, May 13 2020, 22:20:19) [MSC v.1925 32 bit (Intel)] C:\Python3>pip install tensorflow ERROR: Could not find a version that satisfies the requirement tensorflow (from versions: none) ERROR: No matching distribution found for tensorflow

22 июл 2020 в 15:43

на последний PyCharm 2020.2 (Professional Edition) Build #PY-202.6397.98, built on July 27, 2020 + Python 3.8.5 либа встала без каких либо замечаний. Так-что Pycharm и Python тут ни при чем думаю

Шпаргалка по установке CUDA, cuDNN, Tensorflow и PyTorch на Windows 10

В очередной раз после переустановки Windows осознал, что надо накатить драйвера, CUDA, cuDNN, Tensorflow/Keras для обучения нейронных сетей.

Каждый раз для меня это оказывается несложной, но времязатратной операцией: найти подходящую комбинацию Tensorflow/Keras, CUDA, cuDNN и Python несложно, но вспоминаю про эти зависимости только в тот момент, когда при импорте Tensorflow вижу, что видеокарта не обнаружена и начинаю поиск нужной страницы в документации Tensorflow.

В этот раз ситуация немного усложнилась. Помимо установки Tensorflow мне потребовалось установить PyTorch. Со своими зависимостями и поддерживаемыми версиями Python, CUDA и cuDNN.

По итогам нескольких часов экспериментов решил, что надо зафиксировать все полезные ссылки в одном посте для будущего меня.

Краткий алгоритм установки Tensorflow и PyTorch

Примечание: Установить Tensorflow и PyTorch можно в одном виртуальном окружении, но в статье этого алгоритма нет.

Подготовка к установке

1. Определить какая версия Python поддерживается Tensorflow и PyTorch (на момент написания статьи мне не удалось установить PyTorch в виртуальном окружении с Python 3.9.5)
2. Для выбранной версии Python найти подходящие версии Tensorflow и PyTorch
3. Определить, какие версии CUDA поддерживают выбранные ранее версии Tensorflow и PyTorch
4. Определить поддерживаемую версию cuDNN для Tensorflow – не все поддерживаемые CUDA версии cuDNN поддерживаются Tensorflow. Для PyTorch этой особенности не заметил

Установка CUDA и cuDNN

1. Скачиваем подходящую версию CUDA и устанавливаем. Можно установить со всеми значениями по умолчанию
2. Скачиваем cuDNN, подходящую для выбранной версии Tensorflow (п.1.2). Для скачивания cuDNN потребуется регистрация на сайте NVidia. “Установка” cuDNN заключается в распакове архива и заменой существующих файлов CUDA на файлы из архива

Устанавливаем Tensorflow

1. Создаём виртуальное окружение для Tensorflow c выбранной версией Python. Назовём его, например, py38tf
2. Переключаемся в окружение py38tf и устанавливаем поддерживаемую версию Tensorflow pip install tensorflow==x.x.x
3. Проверяем поддержку GPU командой

python -c "import tensorflow as tf; print('CUDA available' if tf.config.list_physical_devices('GPU') else 'CUDA not available')" 

Устанавливаем PyTorch

1. Создаём виртуальное окружение для PyTorch c выбранной версией Python. Назовём его, например, py38torch
2. Переключаемся в окружение py38torch и устанавливаем поддерживаемую версию PyTorch
3. Проверяем поддержку GPU командой

python -c "import torch; print('CUDA available' if torch.cuda.is_available() else 'CUDA not available')" 

В моём случае заработала комбинация:

• Python 3.8.8
• Драйвер NVidia 441.22
• CUDA 10.1
• cuDNN 7.6
• Tensorflow 2.3.0
• PyTorch 1.7.1+cu101

Tensorflow и PyTorch установлены в разных виртуальных окружениях.

Итого

Польза этой статьи будет понятна не скоро: систему переустанавливаю я не часто.

Если воспользуетесь этим алгоритмом и найдёте какие-то ошибки – пишите в комментарии

Как установить Tensorflow

TensorFlow – это библиотека машинного обучения с открытым исходным кодом, разработанная компанией Google Brain (исследовательское подразделение Google) для создания и обучения разнообразных моделей машинного обучения.

Она была представлена в 2015 году и быстро стала одной из самых популярных и влиятельных библиотек для разработки моделей глубокого обучения и различных нейросетей.

TensorFlow предоставляет широкий спектр инструментов и библиотек для создания и обучения моделей машинного обучения. Основная концепция TensorFlow заключается в описании вычислительных графов, где узлы представляют математические операции, а рёбра – данные, перемещающиеся между этими операциями. Такой граф позволяет эффективно оптимизировать и распараллеливать вычисления, что особенно важно при обучении больших и сложных моделей.

TensorFlow широко используется для различных задач машинного обучения, включая:

• обработку изображений, обработку естественного языка,
• голосовую и речевую обработку,
• анализ данных,
• многие другие.

Он поддерживает как традиционные методы машинного обучения, так и современные глубокие нейросети, включая свёрточные нейронные сети (CNN), рекуррентные нейронные сети (RNN) и трансформеры.

В дополнение к основной библиотеке TensorFlow, существует также:

• TensorFlow Lite – версия для развёртывания моделей на мобильных устройствах;
• TensorFlow.js – версия для выполнения моделей в браузерах и Node.js.

TensorFlow имеет большое сообщество разработчиков, активно создающих и делающих доступными различные расширения, модели и инструменты, что делает его мощным инструментом для исследований и разработки в области машинного обучения и искусственного интеллекта.

Аренда выделенного сервера

В RU-CENTER вы можете арендовать выделенный сервер, который поможет со всеми вашими проектами, включая те, что работают с TenserFlow.

Обеспечьте максимальную надёжность и безопасность хранения данных на мощных физических серверах, размещенных в нашем дата-центре в Москве. Независимо от тарифа, мы гарантируем обслуживание и поддержку 24/7, чтобы ваши проекты всегда были на пике производительности.

Доверьте свои вычислительные потребности профессионалам RU-CENTER и сделайте следующий шаг к эффективному и надёжному развитию своих проектов.

Установка и удаление TensorFlow в Python

Чтобы установить TensorFlow в Python, вы можете использовать утилиту управления пакетами «pip».

Важно! «pip» – это стандартный инструмент управления пакетами для Python. Он позволяет устанавливать, обновлять и удалять сторонние пакеты и библиотеки, включая TensorFlow.

Инструкция 1. Если вы поставили Python ради TensorFlow:

1. Откройте терминал.
2. Введите следующую команду для установки последней версии TensorFlow:

«pip» install tensorflow

Инструкция 2. Если вы поставили Python не только для TensorFlow:

Если у вас уже установлены другие пакеты и вы хотите избежать возможных конфликтов с версиями зависимых пакетов, рекомендуется использовать виртуальное окружение. Это позволит вам создать изолированное пространство для установки TensorFlow и его зависимостей.

Один из инструментов, который может помочь в создании и управлении виртуальными средами, – это «virtualenv».

1. Откройте терминал.
2. Установите «virtualenv» с помощью «pip»:

pip install virtualenv

1. Затем создайте виртуальное окружение в отдельной директории:

Этими командами мы создали виртуальное окружение с именем «mytensorflowenv» в директории «mymlproject».

1. После создания виртуального окружения, активируйте его, используя команду:

Если активация прошла успешно, вы увидите изменение в строке командной строки, отображающее имя вашей виртуальной среды в скобках.

1. Теперь вы готовы установить TensorFlow и другие необходимые пакеты в эту изолированную среду. Просто выполните команду:

(mytensorflowenv) pip install tensorflow

Готово! Вы можете начать работу над вашей оптимизацией нейросети.

Когда завершите работу, чтобы выйти из виртуальной среды, просто наберите:

Таким образом, вы можете избежать конфликтов между зависимостями и сохранить чистоту установок для других ваших проектов.

Важно! Если вы захотите удалить TensorFlow, то достаточно будет ввести команду:

pip uninstall tensorflow

Установка TensorFlow в Windows

Установить TensorFlow в Windows действительно несложно. Давайте рассмотрим процедуру установки для версий TensorFlow с использованием CPU и GPU.

Важно! Помните, что выбор версии (CPU или GPU) зависит от ваших потребностей и ресурсов компьютера. CPU-версия подходит для большинства задач, но GPU-версия может существенно ускорить процесс обучения моделей глубокого обучения.

Установка TensorFlow с использованием CPU:

Откройте терминал и введите следующую команду:

pip install tensorflow

Эта команда установит версию TensorFlow, которая предназначена для работы с CPU. Она подходит для большинства задач машинного обучения.

Установка TensorFlow с использованием GPU (при наличии поддерживаемой видеокарты):

Если у вас есть совместимая видеокарта и вы хотите использовать GPU для ускорения обучения моделей глубокого обучения, вы можете установить TensorFlow-GPU. Введите следующую команду в командной строке:

pip install tensorflow-gpu

Это установит TensorFlow, оптимизированный для работы с GPU.

GPU версия TensorFlow может потребовать установки дополнительных библиотек, таких как CUDA и cuDNN, чтобы обеспечить правильное взаимодействие с вашей видеокартой.

В любом случае вы успешно установили TensorFlow на ОС Windows! После установки TensorFlow, вы можете начать создавать и обучать модели машинного обучения.

Установка TensorFlow в Anaconda

1. В окне Anaconda Prompt введите следующую команду для создания новой виртуальной среды с именем «tensorflow»:

conda create -n tensorflow

1. Подтвердите загрузку и установку всех необходимых пакетов, нажав клавишу Y.
2. После завершения создания виртуальной среды, активируйте её, введя следующую команду:

conda activate tensorflow

Если активация прошла успешно, вы увидите изменение в строке командной строки с «(base)» на «(tensorflow)».

1. Теперь, находясь в активированной виртуальной среде, установите TensorFlow с помощью следующей команды:

conda install tensorflow

1. Подтвердите установку, нажав клавишу Y, и дождитесь загрузки библиотеки и всех необходимых зависимостей.

После завершения установки, вы можете начать использовать TensorFlow внутри вашей Anaconda-виртуальной среды.

Таким образом, вы создали изолированную среду в Anaconda с установленным TensorFlow, что поможет избежать конфликтов зависимостей с другими проектами.

Установка TensorFlow в PyCharm

Для установки TensorFlow в PyCharm вам потребуются установленные:

• PyCharm,
• Python,
• «pip».

1. Откройте PyCharm и создайте новый проект с помощью опции New Project.
2. Выберите интерпретатор проекта – Python.
3. В разделе «New environment using» выберите virualenv.
4. Щёлкните Create, чтобы создать новый проект.
5. Вызовите терминал PyCharm, кликнув по значку в нижнем левом углу экрана, как показано на картинке:

1. Для установки TensorFlow введите:

pip install tensorflow

1. Дождитесь завершения установки. Это может занять несколько минут. В процессе вы будете видеть следующие строки:

Downloading tensorflow-2.13.0-cp39-cp39-macosx_12_0_arm64.whl (1.9 kB)

Downloading tensorflow_macos-2.13.0-cp39-cp39-macosx_12_0_arm64.whl (189.3 MB)

Downloading flatbuffers-23.5.26-py2.py3-none-any.whl (26 kB)

Downloading absl_py-1.4.0-py3-none-any.whl (126 kB)

Downloading tensorflow_estimator-2.13.0-py2.py3-none-any.whl (440 kB)

Downloading packaging-23.1-py3-none-any.whl (48 kB)

Downloading six-1.16.0-py2.py3-none-any.whl (11 kB)

Downloading astunparse-1.6.3-py2.py3-none-any.whl (12 kB)

Downloading grpcio-1.57.0-cp39-cp39-macosx_10_10_universal2.whl (9.1 MB)

1. После завершения установки вы можете проверить TensorFlow, импортировав его в свой Python-код. Откройте новый файл Python и введите следующий код:

import tensorflow as tf

1. Запустите код. Если TensorFlow установлен правильно, вы увидите номер версии, который будет выведен в консоли снизу в формате:

Готово! Вы успешно установили TensorFlow в PyCharm.

Заключение

В этом руководстве мы рассмотрели простые и эффективные шаги по установке TensorFlow – мощной библиотеки машинного обучения, – на разные платформы.

TensorFlow для начинающих. Часть 1: общие сведения, установка библиотеки

TensorFlow — это опенсорсная библиотека, созданная Google, которая используется при разработке систем, использующих технологии машинного обучения. Эта библиотека включает в себя реализацию множества мощных алгоритмов, рассчитанных на решение распространённых задач машинного обучения, среди которых можно отметить распознавание образов и принятие решений.

Этот материал посвящён основам TensorFlow и рассчитан на читателей, которые ничего не знают о данной библиотеке.

TensorFlow: современная библиотека машинного обучения

Проект TensorFlow был переведён Google в разряд опенсорсных в 2015 году. Его предшественником был проект DistBelief, годы опыта, накопленные в ходе работы с которым, отразились на TensorFlow.

Разработчики библиотеки TensorFlow стремились к тому, чтобы она была бы гибкой, эффективной, расширяемой, переносимой. В результате ей можно пользоваться в самых разных вычислительных средах — от тех, которые формируются мобильными устройствами, до сред, представленных огромными кластерами. Библиотека позволяет быстро готовить к реальной работе обученные модели, что устраняет необходимость в создании особых реализаций моделей для продакшн-целей.

Библиотека TensorFlow, с одной стороны, привлекает к себе внимание опенсорс-сообщества и открыта для инноваций, а с другой — пользуется поддержкой крупной корпорации. Это позволяет говорить о том, что у неё есть все шансы на стабильное развитие.

Эта библиотека, благодаря совместным усилиям всех тех, кто работает над ней, подходит для решения задач самых разных масштабов. От тех, которые возникают перед самостоятельным разработчиком, до тех, которые встают перед стартапами и даже перед крупными компаниями вроде Google. С того момента, как эта библиотека стала опенсорсной, с ноября 2015 года, она стала одной из интереснейших библиотек машинного обучения. Её всё чаще и чаще используют при проведении исследований, при разработке реальных приложений, при обучении.

TensorFlow постоянно улучшается, её постоянно снабжают чем-то новым, оптимизируют. Кроме того, растёт и сообщество, сформированное вокруг этой библиотеки.

О названии TensorFlow

Тензор (tensor) — это стандартный способ представления данных в системах глубокого обучения. Тензоры — это многомерные массивы, расширение двумерных таблиц (матриц) для представления данных, имеющих более высокие размерности. Проще говоря, тензор — это n-мерная матрица.

В целом, если вы привыкли к работе с матрицами, тензоры можно представлять себе так же, как вы представляете себе матрицы.

Начнём с установки TensorFlow.

Установка TensorFlow

Если вы начинаете работу с чистой установки Python (возможно, вы установили Python специально ради изучения TensorFlow), для установки TensorFlow достаточно воспользоваться pip :

pip install tensorflow

Этот подход прост, но у него есть некоторые неприятные особенности. Они заключаются в том, что при установке TensorFlow, вместо уже установленных пакетов, будут установлены определённые версии пакетов-зависимостей этой библиотеки.

Если вы используете существующую установку Python и для других целей, этим методом пользоваться не рекомендуется. Один из способов установки TensorFlow с обходом вышеописанной особенности заключается в использовании виртуального окружения, которым управляет утилита virtualenv . Возможно, у вас уже эта утилита установлена, возможно — нет. Если она у вас не установлена, установить её можно так:

pip install virtualenv

Здесь можно найти подробности о virtualenv .

Для того чтобы установить TensorFlow в виртуальном окружении, сначала нужно такое окружение создать. Мы собираемся разместить его в папке ~/envs , но вы можете выбрать и другую, более подходящую вам папку:

cd ~ mkdir envs virtualenv ~/envs/tensorflow

Выше мы создали виртуальное окружение tensorflow в папке ~/envs (оно представлено папкой ~/envs/tensorflow ). Для того чтобы активировать это окружение, воспользуемся следующей командой:

source ~/envs/tensorflow/bin/activate

После этого приглашение командной строки должно измениться, указывая на активированное виртуальное окружение:

(tensorflow)

Теперь можно установить TensorFlow в виртуальное окружение с использованием pip :

(tensorflow) pip install tensorflow

Такая установка не повлияет на другие пакеты, установленные на компьютере.

Для выхода из виртуального окружения можно воспользоваться такой командой:

(tensorflow) deactivate

После этого приглашение командной строки примет обычный вид.

До недавних пор TensorFlow было очень сложно использовать в среде Windows. Однако после выхода TensorFlow 0.12 особых проблем в этой сфере больше не наблюдается. А именно, для установки CPU-версии TensorFlow под Windows достаточно выполнить следующую команду:

pip install tensorflow

А для установки GPU-версии — следующую:

pip install tensorflow-gpu

При установке такой версии TensorFlow предполагается, что у вас уже есть CUDA 8.

Теперь библиотека TensorFlow на вашем компьютере установлена, а значит, пришло время с ней поработать. Начнём, как это обычно бывает при изучении новых технологий, с «Hello World!».

Уважаемые читатели! Этот материал представляет собой перевод начала данной публикации, посвящённой основам TensorFlow. Как вы думаете, стоит ли переводить её дальше?