So installieren Sie TensorFlow und Keras mit Anaconda Navigator - ohne Befehlszeile

Lehnen Sie die Pip-Installation in der Befehlszeile ab! Hier ist eine alternative Möglichkeit, TensorFlow in drei Schritten auf Ihrem lokalen Computer zu installieren.

Mutter und Tochter

Warum schreibe ich das?

Ich habe mehrere Stunden lang mit der Pip-Installation mit mehreren Konfigurationen herumgespielt und versucht, herauszufinden, wie ich meine Python-Umgebung für TensorFlow und Keras richtig einstellen kann.

Kurz bevor ich aufgab, fand ich das…

„Ein wesentlicher Vorteil der Installation von TensorFlow mithilfe von Conda anstelle von Pip ist das Ergebnis des Conda-Paketverwaltungssystems. Wenn TensorFlow mit conda installiert wird, installiert conda auch alle erforderlichen und kompatiblen Abhängigkeiten für die Pakete.

Dieser Artikel führt Sie durch den Prozess der Installation von TensorFlow und Keras mithilfe der GUI-Version von Anaconda. Ich gehe davon aus, dass Sie Anaconda Navigator bereits heruntergeladen und installiert haben.

Lass uns anfangen!

  1. Starten Sie Anaconda Navigator. Gehen Sie zur Registerkarte Umgebungen und klicken Sie auf "Erstellen".

2. Geben Sie einen neuen Umgebungsnamen ein - ich setze 'tensorflow_env'. Stellen Sie sicher, dass Sie hier Python 3.6 auswählen! Dann 'Erstellen', dies kann einige Minuten dauern.

3. Wählen Sie in Ihrer neuen Umgebung 'tensorflow_env' 'Nicht installiert' aus und geben Sie 'tensorflow' ein. Aktivieren Sie dann "Tensorflow" und "Übernehmen". Das Popup-Fenster wird angezeigt. Fahren Sie fort und bewerben Sie sich. Das kann mehrere Minuten dauern.

Machen Sie dasselbe für 'Keras'.

Überprüfen Sie Ihre Installation, indem Sie die Pakete importieren. Wenn alles in Ordnung ist, gibt der Befehl nichts zurück. Wenn die Installation nicht erfolgreich war, wird eine Fehlermeldung angezeigt.

Und ... Ta-da! Es ist fertig! Sie können diesem Artikel folgen, um Ihre neu installierten Pakete zu testen :)

Danke fürs Lesen. Bitte probieren Sie es aus und teilen Sie mir Ihr Feedback mit!

Folgen Sie mir auf GitHub, Medium und Twitter, um weitere Artikel und Tutorials in Ihrem Feed zu erhalten, wenn Ihnen meine Arbeit gefällt. :) :)