KI Workaround installieren
Aus exmediawiki
notes:
aktuelle Installationsanleitung für GPU on Ubuntu 18.04:
https://medium.com/analytics-vidhya/how-to-set-up-tensorflow-gpu-on-ubuntu-18-04-lts-7a09ffd5f30f#ea17
Inhaltsverzeichnis
Anaconda
Anaconda ist eine Freemium-Open-Source-Distribution für die Programmiersprachen Python und R, die unter anderem die Entwicklungsumgebung Spyder, den Kommandozeileninterpreter IPython, und ein webbasiertes Frontend für Jupyter enthält. Der Fokus liegt vor allem auf der Verarbeitung von großen Datenmengen, Vorhersageanalyse und wissenschaftlichem Rechnen. Das Ziel der Distribution ist die Vereinfachung von Paketmanagement und Softwareverteilung. Paketversionen werden von der Paketverwaltung conda verwaltet.
Jupyter Notebooks
Was ist Jupyter Notebook?
Jupyter Notebook ist eine Client-Server-Anwendung der Non-Profit-Organisation Project Jupyter, die 2015 veröffentlicht wurde. Sie ermöglicht die Kreation und das Teilen von Webdokumenten im JSON-Format, die einem versionierten Schema und einer geordneten Liste von Input-/Output-Zellen folgen. Diese Zellen bieten u. a. Platz für Code, Markdown-Text, mathematische Formeln und Gleichungen oder Medieninhalte (Rich Media). Die Bearbeitung funktioniert dabei über die webbasierte Client-Anwendung, die sich mit handelsüblichen Browsern starten lässt. Voraussetzung ist, dass auf dem System auch der Jupyter-Notebook-Server installiert ist und ausgeführt wird. Die erstellten Jupyter-Dokumente lassen sich u. a. als HTML-, PDF-, Markdown- oder Python-Dokumente exportieren oder alternativ per E-Mail, Dropbox, GitHub oder den hauseigenen Jupyter Notebook Viewer mit anderen Nutzern teilen.
- kleines jupyter cheatcheet http://python.hs-augsburg.de:8888/notebooks/DuR/Hinweise%20und%20Anmerkungen%20zu%20Jupyter%20Notebooks.ipynb hab da aber ja auch noch andere...
Download & install latest Anaconda Version
- go to page and find your version: https://www.anaconda.com/distribution/
- or download directly:
- for Mac:
- for Windows:
- for Linux:
Installationsanleitung
on Ubuntu:
after installing type:
source ~/.bashrc
that you can execute conda etc from out of terminal directly
Create Environement
GPU Support
open conda and type:
conda create --name tf_gpu tensorflow-gpu
or in 3 steps:
conda create --name tf_gpu
activate tf_gpu
conda install tensorflow-gpu
Diese Kommandos kreieren ein Environment mit dem Namen ‘tf_gpu’ und installiert alle Packeages die für ein lauffähigens GPU-Tensorflow_Environment notwendig sind (inklusive die jeweiligen kompatiblen Versionen von cuda and cuDNN.
CPU only
open conda and type:
conda create --name tf_cpu tensorflow
or in 3 steps:
conda create --name tf_cpu
activate tf_cpu
conda install tensorflow
de-activate Environement
nachsehen welche Environements eingerichtet sind:
conda info --envs
Environement aktivieren (z.b. tf_cpu):
conda activate tf_cpu
Environement deaktivierten
conda deactivate
deactivate conda-environement in startup-flag
type in terminal:
conda config --set auto_activate_base false
open jupyter notebook
eine gut übersichtliche Anleitung siehe auch hier: https://coessing.files.wordpress.com/2019/08/jupyternotebook_tutorial_bypaige.pdf
type Jupyter-button on your Desktop or
or type in Terminal:
jupyter-notebook
how to use...?
test if it works
type in terminal:
import tensorflow as tf tf.test.is_gpu_available() tf.test.gpu_device_name()
in your environement 'tf_gpu' open jupyter-notebook and run following python code (siehe oben):
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())
see also:
Module nachinstallieren
open conda and type (um beispielsweise das Natural Language Toolkit NLTK zu installieren):
conda install nltk
oder
conda install -c anaconda nltk