在R中安装TensorFlow、TensorFlow_Probability、numpy(R与Python系列第二篇)

目录

前言:

 1-安装tensorflow库

Step1: 下载R包tensorflow

Step2:安装TensorFlow库

 Step3:导入R中

2-安装tensorflow_probability库

Step1:下载R包:tfprobability

Step2:安装TensorFlow Probability Python库

Step3 :将TensorFlow Probability Python库导入R中

附加:安装过程中可能会遇到的问题

3-安装numpy模块

使用py_install()函数安装numpy模块

4-reticulate::import()函数介绍

参考:


前言:

本文主要介绍在R中安装Python模块:tensorflow、tensorflow_probability、numpy。如何在RStudio中配置Python环境,请看将 Python 与 RStudio IDE 配合使用(R与Python系列第一篇)

 1-安装tensorflow库

Step1: 下载R包tensorflow

install.packages("tensorflow")

Step2:安装TensorFlow库

install_tensorflow()

 Step3:导入R中

> reticulate::import("tensorflow")
Module(tensorflow)

注:这一步相当于检查是否将Python的tensorflow库安装上了。 

2-安装tensorflow_probability库

TensorFlow Probability是一个建立在TensorFlow之上的统计计算和概率建模库。它的构建块包括广泛的分布和可逆变换、可用于模型的概率层以及概率推理工具,包括变分推理和马尔科夫链蒙特卡洛。

tfprobability R包是与Python库“TensorFlow Probability”的接口。

Step1:下载R包:tfprobability

  • 从CRAN安装已发布的版本tfprobability: install.package("tfprobability")
  • 从GitHub上安装:devtools::install_github("rstudio/tfprobability")

注:安装二选一即可,要么从CRAN上下载,要么从GitHub上下载。tfprobability:tf表示TensorFlow的简写,后面的probability表示概率。

Step2:安装TensorFlow Probability Python库

使用install_tfprobability()安装TensorFlow和TensorFlow Probability Python模块。

library(tfprobability)
install_tfprobability()

这样你就自动获得当前稳定版本的TensorFlow Probability和TensorFlow Python模块。

Step3 :将TensorFlow Probability Python库导入R中

(相当于检验TensorFlow probability Python模块是否安装好)

> reticulate::import("tensorflow_probability")
Module(tensorflow_probability)

或者运行如下代码不出错:

# create a binomial distribution with n = 7 and p = 0.3
d <- tfd_binomial(total_count = 7, probs = 0.3)# compute mean
d %>% tfd_mean()
# compute variance
d %>% tfd_variance()
# compute probability
d %>% tfd_prob(2.3)

附加:安装过程中可能会遇到的问题

 解决方案:重启R,快捷键Ctrl+Shift+F10。重新运行相应语句就好了,不需要做其他额外操作。

参考:tfprobability namespace load failed · Issue #147 · rstudio/tfprobability · GitHub

No module named 'tensorflow_probability' · Issue #155 · rstudio/tfprobability · GitHub

 

3-安装numpy模块

使用py_install()函数安装numpy模块

reticulate::py_install("numpy")

Step2:使用import()函数导入R中

> reticulate::import("numpy")
Module(numpy)

4-reticulate::import()函数介绍

import中文意思是导入,在R帮助文件中描述import函数为:导入Python模块(import a Python module).

 

参考:

【R语言】TensorFlow安装及使用笔记 - 知乎 (zhihu.com) (介绍如何在RStudio中安装tensorflow Python模块)

TensorFlow for R - Quick start (官方提供的在R中安装tensorflow模块)

与 TensorFlow Probability 的接口 • tfprobability (rstudio.github.io)(安装tensorflow_probability模块指南)

TensorFlow for R (rstudio.com) (官方提供安装Tensorflow指南)

No module named 'tensorflow_probability' · Issue #155 · rstudio/tfprobability · GitHub

tfprobability namespace load failed · Issue #147 · rstudio/tfprobability · GitHub

No module named 'tensorflow_probability' · Issue #155 · rstudio/tfprobability · GitHub 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/96341.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

力扣2. 两数相加

2. 两数相加 给你两个 非空 的链表&#xff0c;表示两个非负的整数。它们每位数字都是按照 逆序 的方式存储的&#xff0c;并且每个节点只能存储 一位 数字。 请你将两个数相加&#xff0c;并以相同形式返回一个表示和的链表。 你可以假设除了数字 0 之外&#xff0c;这两个…

水稻叶病害数据集(目标检测,yolo使用)

1.数据集文件夹 train文件夹&#xff08;44229张&#xff09;&#xff0c;test文件夹&#xff08;4741张&#xff09;&#xff0c;valid文件夹&#xff08;6000张&#xff09; 2.train文件夹展示 labels展示 标签txt展示 data.yaml文件展示 对数据集感兴趣的可以关注最后一行…

正则表达式 之 断言详解

正则表达式的先行断言和后行断言一共有 4 种形式&#xff1a; (?pattern) 零宽正向先行断言(zero-width positive lookahead assertion)(?!pattern) 零宽负向先行断言(zero-width negative lookahead assertion)(?<pattern) 零宽正向后行断言(zero-width positive lookb…

linux的文件系统,理解一切皆文件

1. 系统文件I/O 1.1 open #include <sys/types.h> #include <sys/stat.h> #include <fcntl.h> int open(const char *pathname, int flags); int open(const char *pathname, int flags, mode_t mode); pathname: 要打开或创建的目标文件 flags: 打开文件时…

pytest自动化测试两种执行环境切换的解决方案

目录 一、痛点分析 方法一&#xff1a;Hook方法pytest_addoption注册命令行参数 1、Hook方法注解 2、使用方法 方法二&#xff1a;使用插件pytest-base-url进行命令行传参 一、痛点分析 在实际企业的项目中&#xff0c;自动化测试的代码往往需要在不同的环境中进行切换&am…

3环断链以及断链后的检测方法

3环断链以及断链后的方法 我们在3环注入代码很多时候会选择注入dll&#xff0c;因为纯粹的硬编码不方便写出大量功能&#xff0c;而且不容易维护所以很多时候我们会通过各种方式让我们的dll注入到目标地址空间中&#xff0c;其中有一些方式可以不需要我们自己对dll处理重定位而…

The Cherno——OpenGL

The Cherno——OpenGL 1. 欢迎来到OpenGL OpenGL是一种跨平台的图形接口&#xff08;API&#xff09;&#xff0c;就是一大堆我们能够调用的函数去做一些与图像相关的事情。特殊的是&#xff0c;OpenGL允许我们访问GPU&#xff08;Graphics Processing Unit 图像处理单元&…

java八股文面试[多线程]——AQS 详细介绍

线程同步除了Synchronized Volatile ReentranLock 之外&#xff0c;还有其他一些用来进行同步的机制。 AQS 简单介绍 AQS 的全称为&#xff08;AbstractQueuedSynchronizer&#xff09;&#xff0c;这个类在 java.util.concurrent.locks 包下面。 AQS 是一个用来构建锁和同步器…

Jmeter接口测试+压力测试

接口测试 Jmeter-http接口脚本 一般分五个步骤:&#xff08;1&#xff09;添加线程组 &#xff08;2&#xff09;添加http请求 &#xff08;3&#xff09;在http请求中写入接入url、路径、请求方式和参数 &#xff08;4&#xff09;添加查看结果树 &#xff08;5&#xff09;…

volatile 关键字 与 CPU cache line 的效率问题

分析&回答 Cache Line可以简单的理解为CPU Cache中的最小缓存单位。目前主流的CPU Cache的Cache Line大小都是64Bytes。假设我们有一个512字节的一级缓存&#xff0c;那么按照64B的缓存单位大小来算&#xff0c;这个一级缓存所能存放的缓存个数就是512/64 8个。具体参见下…

Grafana之魔法:揭秘数据可视化的艺术

在数据驱动的时代&#xff0c;如何有效地呈现和理解数据成为了每个组织和个人的核心任务。Grafana作为一个领先的开源数据可视化工具&#xff0c;为我们提供了强大的功能和灵活性。本文将深入探讨Grafana的魔法&#xff0c;以及它如何帮助我们更好地理解数据。 Grafana简介 G…

机器学习的第一节基本概念的相关学习

目录 1.1 决策树的概念 1.2 KNN的概念 1.2.1KNN的基本原理 1.2.2 流程&#xff1a; 1.2.3 优缺点 1.3 深度学习 1.4 梯度下降 损失函数 1.5 特征与特征选择 特征选择的目的 1.6 python中dot函数总结 一维数组的点积&#xff1a; 二维数组&#xff08;矩阵&#xff09;的乘法&am…