吴恩达2022版深度学习第二部分Annaconda+Tensorflow环境搭建

本文主要是介绍吴恩达2022版深度学习第二部分Annaconda+Tensorflow环境搭建,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

吴恩达课程第二部分的Lab开始使用tensorflow,此时在Annaconda自带的base环境中无法运行代码,不得不搭建虚拟环境。搭建环境时因发现网上现有博客几乎都是老版课程环境的搭建,新版代码在此环境内无法运行,本小白花了很久才搭好,故此记录一下,如有错误请批评指正。

什么是虚拟环境

安装不算完事,只有理解了虚拟环境才算真正掌握 Python 环境_哔哩哔哩_bilibili
Python 虚拟环境 看这一篇就够了 - 知乎 (zhihu.com)

上面两篇讲的很清楚。

Python 应用经常需要使用一些包第三方包或者模块,有时需要依赖特定的包或者库的版本,所以不能有一个能适应所有 Python 应用的软件环境,很多时候不同的 Python 应用所依赖的版本是冲突的,满足了其中一个,另一个则无法运行,解决这一问题的方法是 虚拟环境。虚拟环境是一个包含了特定 Python 解析器以及一些软件包的自包含目录,不同的应用程序可以使用不同的虚拟环境,从而解决了依赖冲突问题,而且虚拟环境中只需要安装应用相关的包或者模块,可以给部署提供便利。

以下开始搭建:

  1. 安装annaconda

Annaconda安装教程:

(5条消息) anaconda安装-超详细版_plasma-deeplearning的博客-CSDN博客

2.创建虚拟环境

win+R 输入 cmd 打开终端

在命令行输入:

conda create -n 环境名称 python=3.6

conda create -n dl python=3.6

3.激活虚拟环境

继续输入:

conda activate 环境名称

conda activate dl

4.在新创建的虚拟环境中安装tensorflow及Keras

注意版本匹配的问题!!

一开始配置的环境是Python3.6+tensorflow1.2.1+Keras2.0.7

结果发现这是老版的环境要求,2022版吴恩达的代码在此环境运行会报错

后来安装的版本是Python3.6+tensorflow2.6.0+Keras2.6.0

tensorflow与keras对应版本:

【2022最新】tensorflow和keras版本对应关系 - 知乎 (zhihu.com)

于是安装对应版本的tensorflow和keras:

安装tensorflow2.6.0:

pip install tensorflow==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装Keras2.6.0:

pip install keras==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

5.安装jupyter notebook

新创建的虚拟环境并没有jupyter,于是需要手动安装。

在annaconda navigator中Install jupyter notebook(未安装时应该是Install,这里安装后显示的是Launch):

安装完成后,若此时运行jupyter notebook会出现报错:

AttributeError: type object 'IOLoop' has no attribute 'initialized'
(5条消息) 彻底解决:AttributeError:type object IOLoop has no attribute initialized_Joyyang_c的博客-CSDN博客

据这篇,这是由于tornado版本过高导致的(打开conda list查看tornado版本为 5.1.1 )

于是降低tornado版本,这里安装4.5版本的tornado,cmd虚拟环境下输入:

pip install tornado==4.5

此时运行jupyter notebook依然出现报错:

ImportError: cannot import name 'secure_write'

(5条消息) anaconda显示ImportError: cannot import name ‘secure_write‘_草帽-路飞的博客-CSDN博客

据这篇,在cmd虚拟环境下输入:

pip install --upgrade jupyter_client

安装完成后jupyter notebook可以正常打开

6.安装其他库

安装matplotlib3.3.4:

pip install matplotlib==3.3.4 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装scipy1.5.4:

pip install scipy==1.5.4  -i https://pypi.tuna.tsinghua.edu.cn/simple

安装sklearn0.24.2:

pip install scikit-learn==0.24.2  -i https://pypi.tuna.tsinghua.edu.cn/simple

至此环境算是搭建完毕,之后也是缺啥装啥就行。

7.环境搭建完成后运行C2_W2_SoftMax报错

1.第一个报错

运行后代码后发现报错显示没有ipyml module:

No module named ‘ipympl’

没有就装,然鹅一直报错出现这个问题:

ERROR: Could not find a version that satisfies the requirement matplotlib<4,>=3.4.0 (from ipympl) (from versions: 0.86, 0.86.1, 0.86.2, 0.91.0, 0.91.1, 1.0.1, 1.1.0, 1.1.1, 1.2.0, 1.2.1, 1.3.0, 1.3.1, 1.4.0, 1.4.1rc1, 1.4.1, 1.4.2, 1.4.3, 1.5.0, 1.5.1, 1.5.2, 1.5.3, 2.0.0b1, 2.0.0b2, 2.0.0b3, 2.0.0b4, 2.0.0rc1, 2.0.0rc2, 2.0.0, 2.0.1, 2.0.2, 2.1.0rc1, 2.1.0, 2.1.1, 2.1.2, 2.2.0rc1, 2.2.0, 2.2.2, 2.2.3, 2.2.4, 2.2.5, 3.0.0rc2, 3.0.0, 3.0.1, 3.0.2, 3.0.3, 3.1.0rc1, 3.1.0rc2, 3.1.0, 3.1.1, 3.1.2, 3.1.3, 3.2.0rc1, 3.2.0rc3, 3.2.0, 3.2.1, 3.2.2, 3.3.0rc1, 3.3.0, 3.3.1, 3.3.2, 3.3.3, 3.3.4)
ERROR: No matching distribution found for matplotlib<4,>=3.4.0 (from ipympl)

据这篇所说是因为是python国内网络不稳定,直接导致报错,可以用镜像源来解决此问题。

(5条消息) 解决 ERROR: Could not find a version that satisfies the requirement xxx 的问题_JMU-HZH的博客-CSDN博客

但是换了几个源都安装不上,依然显示上述错误。

后来据这篇得知这是因为pip版本过低了,更新(至pip-21.3.1):

(5条消息) ERROR: Could not find a version that satisfies the requirement matplotlib (from versions: none)_我对世界嗤之以鼻的博客-CSDN博客
pip install --upgrade pip

然后终于可以安装ipyml:

pip install ipympl -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

2.第二个报错

%matplotlib widget 魔术命令无效,提示:

UsageError: Invalid GUI request 'widget', valid ones are:dict_keys(['inline', 'nbagg', 'notebook', 'ipympl', None, 'qt', 'qt4', 'qt5', 'wx', 'tk', 'gtk', 'gtk3', 'osx'])
(5条消息) jupyter lab中不能显示matplotlib动画动态图,并且报错Javascript Error: IPython is not defined的解决办法_%matplotlib widget_大观园内大秋鹤的博客-CSDN博客

根据这篇所说是在jupyter notebook里应该使用“notebook”,即:

%matplotlib notebook

再次运行依然报错,还是根据上篇所说这是导入顺序问题,因为在修改%matplotlib xxx之前我们可能已经定义过一次matplotlib的backend了。所以重新指定就会报错。解决办法也很简单,重启内核之后再运行即可。

Reference

参考:
(5条消息) conda创建虚拟环境及常用conda命令_conda创建虚拟环境是什么意思_Rainy-Peking的博客-CSDN博客
吴恩达课程编程环境配置windows - 简书 (jianshu.com)
(5条消息) python导入安装包之使用国内镜像安装_scipy库怎么安装 国内镜像_christineNAN的博客-CSDN博客
(5条消息) python3.6,numpy,matplotlib,scipy,sklearn匹配版本安装-CSDN博客

这篇关于吴恩达2022版深度学习第二部分Annaconda+Tensorflow环境搭建的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/424956

相关文章

Visual Studio 2022 编译C++20代码的图文步骤

《VisualStudio2022编译C++20代码的图文步骤》在VisualStudio中启用C++20import功能,需设置语言标准为ISOC++20,开启扫描源查找模块依赖及实验性标... 默认创建Visual Studio桌面控制台项目代码包含C++20的import方法。右键项目的属性:

SQLite3 在嵌入式C环境中存储音频/视频文件的最优方案

《SQLite3在嵌入式C环境中存储音频/视频文件的最优方案》本文探讨了SQLite3在嵌入式C环境中存储音视频文件的优化方案,推荐采用文件路径存储结合元数据管理,兼顾效率与资源限制,小文件可使用B... 目录SQLite3 在嵌入式C环境中存储音频/视频文件的专业方案一、存储策略选择1. 直接存储 vs

深度解析Python装饰器常见用法与进阶技巧

《深度解析Python装饰器常见用法与进阶技巧》Python装饰器(Decorator)是提升代码可读性与复用性的强大工具,本文将深入解析Python装饰器的原理,常见用法,进阶技巧与最佳实践,希望可... 目录装饰器的基本原理函数装饰器的常见用法带参数的装饰器类装饰器与方法装饰器装饰器的嵌套与组合进阶技巧

深度解析Spring Boot拦截器Interceptor与过滤器Filter的区别与实战指南

《深度解析SpringBoot拦截器Interceptor与过滤器Filter的区别与实战指南》本文深度解析SpringBoot中拦截器与过滤器的区别,涵盖执行顺序、依赖关系、异常处理等核心差异,并... 目录Spring Boot拦截器(Interceptor)与过滤器(Filter)深度解析:区别、实现

Python中Tensorflow无法调用GPU问题的解决方法

《Python中Tensorflow无法调用GPU问题的解决方法》文章详解如何解决TensorFlow在Windows无法识别GPU的问题,需降级至2.10版本,安装匹配CUDA11.2和cuDNN... 当用以下代码查看GPU数量时,gpuspython返回的是一个空列表,说明tensorflow没有找到

深度解析Spring AOP @Aspect 原理、实战与最佳实践教程

《深度解析SpringAOP@Aspect原理、实战与最佳实践教程》文章系统讲解了SpringAOP核心概念、实现方式及原理,涵盖横切关注点分离、代理机制(JDK/CGLIB)、切入点类型、性能... 目录1. @ASPect 核心概念1.1 AOP 编程范式1.2 @Aspect 关键特性2. 完整代码实

SpringBoot开发中十大常见陷阱深度解析与避坑指南

《SpringBoot开发中十大常见陷阱深度解析与避坑指南》在SpringBoot的开发过程中,即使是经验丰富的开发者也难免会遇到各种棘手的问题,本文将针对SpringBoot开发中十大常见的“坑... 目录引言一、配置总出错?是不是同时用了.properties和.yml?二、换个位置配置就失效?搞清楚加

如何使用Haporxy搭建Web群集

《如何使用Haporxy搭建Web群集》Haproxy是目前比较流行的一种群集调度工具,同类群集调度工具有很多如LVS和Nginx,本案例介绍使用Haproxy及Nginx搭建一套Web群集,感兴趣的... 目录一、案例分析1.案例概述2.案例前置知识点2.1 HTTP请求2.2 负载均衡常用调度算法 2.

一文详解如何在idea中快速搭建一个Spring Boot项目

《一文详解如何在idea中快速搭建一个SpringBoot项目》IntelliJIDEA作为Java开发者的‌首选IDE‌,深度集成SpringBoot支持,可一键生成项目骨架、智能配置依赖,这篇文... 目录前言1、创建项目名称2、勾选需要的依赖3、在setting中检查maven4、编写数据源5、开启热

python常见环境管理工具超全解析

《python常见环境管理工具超全解析》在Python开发中,管理多个项目及其依赖项通常是一个挑战,下面:本文主要介绍python常见环境管理工具的相关资料,文中通过代码介绍的非常详细,需要的朋友... 目录1. conda2. pip3. uvuv 工具自动创建和管理环境的特点4. setup.py5.