TensorFlow es una plataforma de código abierto desarrollada por Google para el aprendizaje automático y la IA (inteligencia artificial). Ayuda con una variedad de tareas para los desarrolladores que trabajan en ese campo.
Para empezar, debe comprender el aprendizaje automático o, específicamente, el aprendizaje profundo antes de poder utilizar TensorFlow.
Aquí, permítanme resaltar algunas cosas sobre TensorFlow, sus funciones y métodos rápidos para instalarlo en Windows y Linux.
Tabla de contenido
Descripción general de TensorFlow
Técnicamente, TensorFlow es una plataforma de código abierto que ayuda con aplicaciones de aprendizaje profundo y cualquier otro caso de uso de aprendizaje automático.
Facilita la creación e implementación de aplicaciones basadas en ML. Si desea resolver un problema mediante el aprendizaje automático, puede obtener ayuda con TensorFlow.
TensorFlow proporciona herramientas para ayudar a desarrollar y entrenar modelos usando Python o JavaScript. Si bien no soy desarrollador, puede explorar su documentación para saber cómo afecta su flujo de trabajo al implementar una aplicación de aprendizaje automático.
Características de TensorFlow
TensorFlow es famoso por varias razones, y puedes evaluarlo por ti mismo, conociendo sus mejores ofertas de funciones.
Si llegamos a discutir los beneficios técnicos, tendrá que compararlos por lo que hace. Por lo tanto, nos centraremos en las características comunes beneficiosas para la mayoría.
1. Código abierto
Google decidió abrir TensorFlow en código abierto en 2015 para permitir que la comunidad lo mejorara aún más y brindar transparencia sobre cómo funciona.
Los desarrolladores pueden personalizar la biblioteca de varias maneras para resolver problemas que quizás no esperaba.
Sin un marco de código abierto, es posible que no haya sido tan popular como lo es. Por eso
2. Fácil depuración
TensorFlow tiene como objetivo ayudarlo con la construcción sencilla de modelos; por lo tanto, una experiencia de depuración sin esfuerzo es parte de ese proceso.
La experiencia de usuario intuitiva es la guinda del pastel.
3. Admite CPU y GPU
Con TensorFlow, obtiene la capacidad de entrenar el cálculo de datos en una CPU o GPU. Por lo general, una GPU acelera las cosas para las aplicaciones de aprendizaje profundo en comparación con la CPU.
Entonces, si tiene una GPU poderosa en su arsenal, TensorFlow puede ayudarlo a aprovecharla al máximo.
4. API útiles de aprendizaje automático
Las API ayudan a los desarrolladores a integrar una variedad de funciones en sus aplicaciones. Y TensorFlow brinda acceso a una buena colección de API estables.
Algunos de ellos también pueden ofrecer ventajas de rendimiento. Según sus afirmaciones oficiales, no debería tener problemas con los disponibles en Python. Si está trabajando con otros idiomas, debe verificar con los mantenedores de TensorFlow qué tan buenos son para su caso de uso.
5. Modelos listos para la producción
TensorFlow presenta una variedad de modelos previamente entrenados. Ya sea un profesional o un novato, puede usarlos para ahorrar tiempo y crear modelos ML más rápido.
Además de estas características, obtiene flexibilidad, facilidad de uso, un conjunto de herramientas de visualización y más que pueden ayudar a su flujo de trabajo de desarrollo de aprendizaje automático.
Ahora que tiene una buena idea sobre TensorFlow, ¿dónde puede descargarlo? ¿Cómo instalarlo y configurarlo en sus sistemas Windows y Linux?
Hablemos de eso a continuación.
Descarga e instalación de TensorFlow
A diferencia de otros programas, aquí no obtiene un archivo de instalación .exe. Principalmente, deberá descargar el paquete utilizando el administrador de paquetes recomendado.
En general, hay diferentes formas de instalación. Podemos enumerarlos de la siguiente manera:
- Usando Miniconda y pip
- Usando Miniconda y pip en WSL 2
- Usar un contenedor Docker
- Construyendo a partir de fuentes
¿Cómo instalar TensorFlow en Windows?
A diferencia de otros programas, aquí no obtiene un archivo de instalación .exe. Deberá descargar el paquete utilizando el administrador de paquetes recomendado.
#1. Usando Miniconda y pip (Método recomendado)
Nota: Al momento de escribir esto, TensorFlow 2.10 es la última versión compatible con GPU en Windows (de forma nativa). Si trabaja con paquetes más nuevos, TensorFlow recomienda que instale TensorFlow en WSL 2, que se analizará a continuación.
Si desea usar TensorFlow con compatibilidad con GPU, TensorFlow recomienda usar Miniconda (instalador para el administrador de paquetes conda) para comenzar.
Con Miniconda, puede crear un entorno separado para evitar conflictos con cualquier otro software en su sistema.
Para comenzar, debe descargar la última versión de Miniconda Windows Installer y seguir las instrucciones en pantalla para completar la instalación.
Una vez hecho esto, debe iniciar el indicador de Miniconda como se muestra en la captura de pantalla:
Esto es lo que parece:
Después de ver la ventana de solicitud de Anaconda, es posible que desee escribir el siguiente comando para asegurarse de que el administrador de paquetes de Conda se haya actualizado:
<strong>conda update -n base -c defaults conda</strong>
Con eso fuera del camino, estos son los pasos que debe seguir para instalar TensorFlow:
Primero, para crear un nuevo entorno (con el nombre tf):
<strong>conda create --name tf python=3.9 </strong>
Consejo: Puedes activarlo/desactivarlo usando los comandos: conda activar tf y conda desactivar
Tendrá que activarlo para continuar. Para habilitar la compatibilidad con GPU en el proceso, debe asegurarse de tener instalado el controlador de gráficos (GPU NVIDIA) y luego instalar algunos paquetes con el siguiente comando:
<strong>conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0</strong>
Descarga aproximadamente 1 Gig de paquetes, que incluyen herramientas que le permiten implementar aplicaciones de aprendizaje automático con GPU y una red neuronal profunda.
Finalmente, deberá utilizar el administrador de paquetes pip para instalar el paquete TensorFlow. Puede optar por usar conda para instalar Tensorflow, pero es posible que no tenga la última versión estable necesaria.
Antes de continuar, asegúrese de que pip se haya actualizado con el comando:
pip install --upgrade pip
Una vez hecho esto, instala TensorFlow con:
<strong>pip install tensorflow</strong>
Notará que se están construyendo/instalando numerosos paquetes. Podría aparecer como atascado en el proceso, pero espere un minuto y debería reanudar y completar la instalación.
#2. Usando Conda y pip en WSL 2
Suponiendo que ya tiene la configuración de WSL 2 en su sistema, puede instalar TensorFlow usando los siguientes comandos en la terminal de la distribución:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Puede pegarlo todo a la vez y se procesará uno por uno.
En caso de que no haya instalado WSL 2 en Windows. Dirígete al símbolo del sistema con acceso de administrador y luego escribe lo siguiente:
wsl.exe --install
Debería descargar Ubuntu y habilitar la función WSL para su sistema. Deberá reiniciar su PC para que se complete.
Si no puede encontrar Ubuntu en su sistema, puede navegar a Microsoft Store e instalar Ubuntu WSL.
#3. Construir desde la fuente
Teniendo en cuenta que TensorFlow es de código abierto, puede crearlo desde cero con sus opciones de configuración.
Por lo tanto, esto se recomienda para usuarios avanzados que conozcan todas las opciones y que conozcan los aspectos prácticos para configurar. Consulte la documentación oficial para explorar más al respecto.
¿Cómo instalar TensorFlow en Linux?
Al igual que Windows, puede instalar TensorFlow usando Miniconda y pip en Linux. O elija construir desde la fuente.
Déjame mostrarte cómo se hace:
#1. Usando Miniconda y pip (Método recomendado)
Nota: Siga los mismos comandos que Windows. La única diferencia es cómo instala/descarga Miniconda en Linux.
Aquí se explica cómo instalar Miniconda en Linux usando la terminal:
curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh bash Miniconda3-latest-Linux-x86_64.sh
Reinicie la terminal en su distribución de Linux para encontrar algo como esto:
Notará una (base) antes de las variables de solicitud de terminal. Esto indica que conda está actualmente activo e instalado.
No lo desactive a menos que haya terminado con la instalación de TensorFlow.
Puede navegar a los pasos mencionados anteriormente para Windows e instalarlo. O pegue lo siguiente para instalar TensorFlow:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Con Linux, es posible que tenga problemas con el controlador de la GPU. Para eso, debe consultar la documentación de NVIDIA para obtener más información.
#2. Construir desde la fuente
Al igual que Windows, construir a partir del código fuente es complicado en Linux y está destinado únicamente a usuarios avanzados.
Usted (suponiendo que sea un principiante) no debe optar por este método a menos que tenga algo específico en mente. La mejor manera de explorar más al respecto es consultar la documentación.
¿Cómo instalar TensorFlow usando Docker? (Windows y Linux)
Independientemente de la plataforma, Docker le permite instalar imágenes de TensorFlow sin contratiempos.
Asegúrese de tener Docker instalado en su sistema, o puede seguir nuestra guía de instalación de Docker para obtener ayuda.
Una vez que haya terminado de configurarlo, debe ingresar el siguiente comando desde Docker:
docker pull tensorflow/tensorflow
Necesita experiencia con contenedores Docker para iniciar un contenedor con las configuraciones requeridas para su trabajo.
Para obtener compatibilidad con GPU específica o descargar una versión diferente de TensorFlow, consulte las opciones disponibles en la documentación oficial.
Así es como se ve el comando cuando desea ejecutarlo usando Docker:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]
Conclusión
La instalación de TensorFlow es algo que se realiza una sola vez y, con nuestra guía, debería ser un proceso sencillo para la mayoría.
Si ya tenía configuraciones anteriores o configuración con versiones anteriores de Python o un administrador de paquetes Conda anterior. Asegúrate de aplicar las actualizaciones más recientes para instalar TensorFlow sin problemas.
También puede explorar las mejores plataformas de IA para crear aplicaciones de IA y ML.