Cómo instalar TensorFlow
En este artículo de instalación de tensorflow, primero obtendríamos una descripción general de TensorFlow y su uso en el ecosistema de Data Science, y luego instalaríamos TensorFlow para Windows.
¿Qué es TensorFlow?
TensorFlow es una aplicación de software, popular para implementar algoritmos de Machine Learning particularmente redes neuronales. Fue desarrollado por Google y lanzado como una plataforma de código abierto en 2015. Se llama TensorFlow porque toma datos como matrices multidimensionales que también se conocen como Tensores. Podríamos construir un diagrama de flujo de operaciones que queremos realizar en esa entrada, es decir, los datos entran en un extremo y luego fluyen a través de este sistema de operaciones y salen del otro extremo como salida. TensorFlow es popular debido a su extrema versatilidad. Podría ejecutarse en diferentes plataformas como escritorio, o en la nube o en un dispositivo móvil. Todo esto podría hacerse usando una sola API. Podría ser entrenado en múltiples máquinas, y luego podríamos ejecutarlo en una máquina diferente. TensorFlow es muy rápido porque está escrito en C ++, pero puede ser accedido y controlado por otros lenguajes, principalmente Python. Otra gran característica de TensorFlow es TensorBoard, que nos permite monitorear gráfica y visualmente el trabajo de un TensorFlow. Alguien que esté interesado en el aprendizaje automático, especialmente la red neuronal, debe aprender TensorFlow.
Arquitectura del gráfico de flujo de datos de TensorFlow
Un gráfico de flujo de datos tiene dos unidades básicas: un nodo que representa una operación matemática y un borde que sirve a una matriz multidimensional conocida como tensores. Entonces, esta abstracción de alto nivel muestra cómo fluyen los datos entre operaciones. Una vez que se crea el gráfico, se escribe un bucle interno para impulsar el cálculo. Las entradas se introducen en los nodos a través de variables o marcadores de posición. En TensorFlow, los cálculos se ejecutan solo después de que se crea la sesión.
¿Por qué se prefiere TensorFlow en Deep Learning? 
Deep Learning es una parte de Machine Learning que aprende características y tareas directamente de los datos. Los datos pueden ser imágenes, texto o sonido. A menudo se lo conoce como aprendizaje de extremo a extremo. Una red neuronal es sinónimo de las neuronas en nuestro cerebro. En el diagrama anterior, los datos provienen de la capa de entrada y fluyen a través de capas ocultas donde se realizan todos los cálculos y luego pasan a la capa de salida. Múltiples jugadores ocultos lo convierten en una red neuronal profunda, mientras que una sola capa forma una red neuronal poco profunda
- TensorFlow tiene un amplio soporte incorporado para Deep Learning y redes neuronales, por lo que es fácil ensamblar redes, asignar parámetros y ejecutar el proceso de capacitación.
- Hay funciones matemáticas entrenables que son útiles para las redes neuronales. Cualquier algoritmo de aprendizaje automático basado en gradiente se beneficiará de la diferenciación automática de TensorFlow y el conjunto de optimizadores de primer nivel.
- TensorFlow es compatible con varios tipos de aprendizaje automático debido a su amplia colección de herramientas flexibles.
- Una red neuronal profunda maneja un comportamiento más complejo donde cada entrada es procesada por funciones de activación como la tangente hiperbólica, la función logística, etc. La elección de la función de activación afecta el comportamiento de la red, y TensorFlow le da control sobre la estructura de la red.
- TensorFlow también podría usarse para construir modelos lineales y no lineales simples.
Pasos para instalar TensorFlow
La parte de instalación constará de dos partes: -
- Instalando Anaconda
- Configuración de TensorFlow usando Anaconda Prompt.
Parte 1: instalar Anaconda en Windows
Anaconda es un paquete de algunos paquetes populares de Python y tiene un administrador de paquetes llamado conda (similar a pip). Algunos de los paquetes populares de anaconda son: numpy, scipy, Jupiter, nltk, scikit-learn, etc. Si tiene instalado Python en sus ventanas, entonces para instalar todos estos paquetes, necesita ejecutar pip, mientras que si instala anaconda, obtienes todos estos paquetes de una sola vez.
Los pasos a continuación ilustran cómo instalar Anaconda en Windows. Python 3.7 no es compatible con TensorFlow, por lo que utilizaremos Anaconda para Python 3.6.
- Descargue el instalador de Anaconda para Python 3.6 desde aquí: https://drive.google.com/open?id=12BLpz3wzsyI0kFcMgv0SGPj__0op-JJs
- Una vez que se haya descargado el instalador, haga doble clic en él y seleccione Siguiente.
- Haga clic en Acepto en la siguiente ventana.
- Seleccione Todos los usuarios y haga clic en Siguiente.
- Elija la ubicación de instalación según lo considere apropiado y haga clic en Siguiente.
- En la siguiente ventana, marque la casilla 'Registrar Anaconda como Python 3.6 del sistema' y haga clic en Instalar.
- La instalación está en progreso.
- Deje que la instalación continúe y una vez finalizada, haga clic en Siguiente para completarla. Luego, vaya a Variables de entorno en Windows para establecer la ruta.
- Haga clic en Nuevo y agregue la carpeta Scripts donde instaló Anaconda y haga clic en Aceptar.
- Ahora, vaya a la barra de búsqueda de Windows y escriba Anaconda Prompt. Haga doble clic en la aplicación y escriba conda –version para confirmar su instalación.
Parte 2: Configuración de la instalación de TensorFlow utilizando Anaconda Prompt
- Vaya a Anaconda Prompt y escriba conda create -n myenv python = 3.6 y presione enter.
- Presiona Y y presiona Enter. Se creará un entorno separado para instalar TensorFlow
- Escriba conda enable myenv e ingrese Enter para ingresar al entorno.
- Una vez que esté en el medio ambiente, ingrese el siguiente uno por uno
- conda install jupyter
- conda install scipy
- pip install –upgrade tensorflow
- Una vez hecho esto, escriba python y luego escriba import tensorflow. Si no hay ningún error, es una instalación exitosa de TensorFlow.
Aplicaciones prácticas de TensorFlow
El aprendizaje profundo ha surgido en el corazón de casi todos los avances informáticos importantes en los últimos años. Ya está en muchos de nuestros productos diarios, como Netflix y las recomendaciones personalizadas de Amazon, el filtrado de spam e incluso nuestra interacción con asistentes personales como Apple Siri o Microsoft Cortana.
Sin embargo, no solo las aplicaciones científicas se benefician de esta investigación. Las personas de otras disciplinas también están comenzando a explorar cómo se podría utilizar el aprendizaje profundo en casos como la detección de objetos (como se muestra en la imagen). Le enseña a la computadora a reconocer un objeto en una imagen y luego usar este conocimiento para generar nuevos comportamientos.
Últimas tendencias de TensorFlow
TensorFlow lanzó recientemente su versión 1.12.0 en la que algunas de las principales mejoras son: -
- El modelo Keras podría exportarse directamente al formato GuardadoModelo y usarse con el resorte TensorFlow.
- Los archivos binarios se crean con soporte XLA, y los modelos Keras ahora se podrían evaluar con tf.data.Dataset.
- Ignite Dataset agregado a contrib / ignite que permite trabajar con Apache Ignite.
Artículos recomendados
Esta ha sido una guía sobre cómo instalar TensorFlow Aquí hemos discutido las instrucciones y los diferentes pasos para instalar TensorFlow. También puede consultar el siguiente artículo para obtener más información:
- Diferencias de TensorFlow vs Caffe
- Comparación de Tensorflow y Pytorch
- Carreras en Aprendizaje Profundo
- PowerShell vs Python - Diferencias
- Introducción al patio de juegos TensorFlow