Praktische Einführung in Deep Learning für Computer VisionHPI-Student Team für neuronale Netze
This video belongs to the openHPI course Praktische Einführung in Deep Learning für Computer Vision. Do you want to see more? Enroll yourself for free!

Exkurs: Mac Installation (grafisch)

时间效果趋于.13 分钟
您正在使用我们全新的视频播放器。 如果您遇到任何问题,请联系服务台。 您随时可以切换到旧的视频播放器

关于这个视频


Die folgenden Befehle wurden von uns in diesem Video verwendet. Wir wollen euch diese bereitstellen, damit ihr sie nur noch mit kleinen Änderungen (beschreiben wir im Video) in euer Terminal kopieren könnt.

Schritte:
  • Zuallererst müsst ihr euch das grafische Installationsprogramm von Anaconda herunter laden. Hierbei wollen wir die neuere Python Version und wählen somit Python 3.7.
  • Dieses Installationsprogramm muss anschließend ausgeführt werden, um die Installation von Anaconda abzuschließen.

Im Terminal:

  • conda verrät uns, ob wir den Befehl conda überall im Terminal verwenden können
  • echo 'export PATH=“/Users/<USER_NAME>/anaconda3/bin:$PATH"' >> <SHELL_KONFIGURATIONSDATEI> schreibt den Pfad zu dem conda Befehl in eure Konfigurationsdatei. Bei mir handelt es sich bei der Shell Konfigurationsdatei um .zshrc, da ich die zsh Shell verwende. Ihr habt höchstwahrscheinlich die bash Shell und somit die Konfigurationsdatei .bash_profile. Wenn ihr euch sicher sein wollt, erfahrt ihr den Namen eurer Shell unter dem Befehl: echo “$SHELL”. Der USER_NAME muss ebenfalls in dem Pfad angepasst werden. Mit welchem User ihr angemeldet seid, könnt ihr mit dem Befehl: echo “$USER” herausfinden.
  • source <SHELL_KONFIGURATIONSDATEI> führt die Konfigurationsdatei aus, sodass der Pfad nicht nur in die Datei geschrieben, sondern ebenfalls exportiert wird, um conda anschließend überall im Terminal ausführen zu können.
  • conda sollte jetzt den Hilfstext mit einer Liste der verfügbaren Befehle ausgeben.
  • conda create -n neuralnets2020 erstellt eine Anaconda (virtuelle) Umgebung mit dem Namen neuralnets2020. In diesem können wir jetzt alle notwedigen Pakete installieren ohne andere Umgebungen zu beeinflussen und das Projekt somit von allen anderen Projekten und deren Abhängigkeiten zu isolieren.
  • conda init <SHELL_NAME> initialisiert die Shell, um anschließend Anaconda Umgebungen zu aktivieren (z.B.: conda init zsh oder conda init bash).
  • conda activate neuralnets2020 aktiviert die virtuelle Umgebung (befinden uns anschließend in dieser), was durch das Kürzel vor dem User erkennbar ist.
  • conda install tensorflow nb_conda installiert alle benötigten Pakete in der aktiven Umgebung.
  • jupyter notebook startet einen Notebook Server, sodass ihr lokal in eurem Browser Jupyter Notebooks erstellen könnt und die gleiche Funktionalitäten habt, wie sonst in Google Colab (kann mit CTRL-C beendet werden).
  • conda deactivate deaktiviert die aktuell aktive, virtuelle Umgebung, um z.B. eine andere Umgebung zu öffnen.
  • conda activate neuralnets2020 aktiviert erneut eine erstellte virtuelle Umgebung, um die Arbeit an dem Projekt fortzusetzen.

Falls die neue Environment in Jupyter nach Klick auf "New" nicht angezeigt wird:

Bitte führt folgende Schritte durch und gebt Rückmeldung, ob euch etwas davon weitergeholfen hat:

1 . Schließt alle Terminals und Anaconda Prompts, startet den Rechner neu.

2 . Öffnet eine neue Anaconda Prompt

conda activate deeplearning2020
jupyter notebook

Steht dort:

[nb_conda_kernels] enabled, 1 kernels found
[nb_conda] enabled

Falls ja sollte die Environment korrekt angezeigt werden. Andernfalls hilft meist ein De- und Reaktivieren der Environment oder aber ein Update von Anaconda:

conda update -n base -c defaults conda

conda deactivate
conda activate deeplearning2020
jupyter notebook

3 . Falls das Problem immer noch besteht: Überprüfung der Installation:

conda list

Sind in der Liste die folgenden Programme zu finden?: nb_conda, ipykernel, nb_conda_kernels Falls nicht bitte mit conda install <name> installieren.

4 . Versucht die Environment manuall zu setzen:

conda install nb_conda_kernels
ipython kernel install --user --name deeplearning2020 --display-name "Python [conda env:tensorflow]"

Unter folgendem Befehl sollte nun auch die neue Environment zu finden sein:

jupyter kernelspec list

jupyter notebook