Primeros pasos con TensorFlow

El aprendizaje automático o machine learning está muy de moda actualmente. Entre las opciones más populares para crear aplicaciones de machine learning se encuentra TensorFlow, una librería de aprendizaje automático creada por Google.

En este tutorial, haremos un acercamiento al aprendizaje automático, presentando cómo instalar la librería y conceptos básicos de TensorFlow.

Requisitos de TensorFlow

Antes de empezar a usar la librería es imprescindible saber programar en Python. En segundo lugar, debes conocer algo sobre cálculo y estadísticas básicas. La mayoría de los programadores aprenden esto en la universidad o incluso en la escuela secundaria, pero si estás oxidado sobre alguno de los conceptos existen muchos recursos en la web.

TensorFlow Playground

Para familiarizarte con las redes neuronales, existe una herramienta online llamada TensorFlow Payground, puedes probarla aquí TensorFlow Playground.

Una vez que tengas claro las redes neuronales de TensorFlow Playground, es hora de consultar el código fuente de TensorFlow de GitHub.

TensorFlow en GitHub

El archivo README.md en la parte inferior de esta página de GitHub tiene una buena explicación general y enlaces útiles.

Clona el repo TensorFlowClone del repositorio TensorFlow para comenzar con TensorFlow en tu propia máquina.

Instalación de TensorFlow

Para programar tu propia Máquina de Inteligencia Artificial necesitarás tener listo tu ambiente de desarrollo local. En este tutorial explicaremos una manera sencilla de configurar Python y las librerías necesarias para instalar TensorFlow en tu ordenador.

Utilizaremos la Suite de Anaconda que nos facilitará la tarea de instalar el ambiente e incluirá las Jupyter Notebooks, que es una aplicación que nos ayudará a hacer ejercicios paso a paso en Machine Learning, crear visualizaciones de datos.

Esta Suite es multiplataforma y se puede utilizar para Windows, Linux y Mac.

1 º  Descargar Anaconda

Puedes descargarla aqui https://www.anaconda.com/download

AtenciónElegir la versión de Python 3.7 (y no la de 2.7) y seleccionar el instalador Gráfico (Graphical Installer)

2 º  Instalar Anaconda

En este paso instalaremos la aplicacion en nuestro sistema. (Deberá tener permisos de Administrador si instala para todos los usuarios).

Ejecutamos el archivo que descargamos haciendo doble click.

Se abrirá un “Típico Wizard” de instalación.

Seguiremos los pasos, podemos seleccionar instalación sólo para nuestro usuario, seleccionar la ruta en disco donde instalaremos y listo.

Al instalarse el tamaño total podrá superar 1Gb en disco.

3 º  Iniciar y Actualizar Anaconda

En este paso comprobaremos que se haya instalado correctamente y verificar tener la versión más reciente.

Anaconda viene con una suite de herramientas gráficas llamada “Anaconda Navigator”.

Para comprobar la instalación abrimos una Terminal de Mac/Linux/Ubuntu o la Linea de Comandos de Windows.

Escribimos y obtenemos la versión

conda -v

luego escribimos y verificamos la versión de Python de nuestro sistema.

python -v

Para asegurarnos de tener la versión más reciente de la suite ejecutaremos:

conda update anaconda

4 º  Actualizar libreria scikit-learn

En este paso actualizaremos la librería más usada para Machine Learning en python llamada SciKit Learn

En la Terminal escribiremos:

conda update scikit-learn

Podemos volver a verificar que todo es correcto ejecutando:

5º  Instalar librerías para Deep Learning

En este paso instalaremos las librerías utilizadas para Aprendizaje profundo. Específicamente serán keras y la famosa y querida Tensorflow de Google.

Para ello ejecutaremos en nuestra línea de comandos

conda install -c conda-forge tensorflow
pip install keras

Ya tenemos nuestro ambiente de desarrollo preparado para crear poderosas aplicaciones de machine learning.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies