Introducción
TensorFlow es una biblioteca de software de aprendizaje automático de código abierto que se utiliza para crear algoritmos para diferentes tipos de tareas de percepción y comprensión del lenguaje. Es una biblioteca matemática simbólica basada en el flujo de datos y diferentes programas, que se utiliza principalmente para el llamado aprendizaje profundo, es decir, para el análisis de conjuntos de datos masivos. TensorFlow es una plataforma de aprendizaje automático de extremo a extremo que acelera las diferentes etapas del proceso de desarrollo de un modelo de aprendizaje automático. En particular, TensorFlow ofrece herramientas para preparar datos, crear modelos de aprendizaje automático, entrenarlos e implementarlos en diferentes contextos, como en las instalaciones, en el dispositivo, en la nube o en el navegador.
Si es nuevo en TensorFlow y desea comenzar con Ubuntu, este tutorial paso a paso lo guiará a través del proceso de instalación de TensorFlow en su sistema Ubuntu. Al final de este tutorial, tendrá una instalación funcional de TensorFlow y estará listo para comenzar a crear y entrenar sus modelos de aprendizaje automático.
Requisitos de hardware
Los requisitos de hardware para instalar TensorFlow en Ubuntu dependen del tipo de instalación que esté ejecutando, específicamente si está instalando la versión de CPU o la versión de GPU de TensorFlow. Estos son los requisitos básicos de hardware para cada versión:
versión de la CPU
- Procesador: CPU x86-64 con soporte AVX2
- RAM: 2 GB o más
- Espacio en disco: 500 MB o más
versión GPU
- Procesador: GPU NVIDIA con capacidad de cómputo de 3.5 o superior (consulte la lista de GPU compatibles)
- Kit de herramientas NVIDIA CUDA: versión 11.0 o posterior (consulte los requisitos del kit de herramientas CUDA)
- Biblioteca cuDNN: versión 8.0 o superior (consulte los requisitos de cuDNN)
- RAM: 4 GB o más
- Espacio en disco: 500 MB o más
También vale la pena señalar que el uso de una GPU puede acelerar significativamente el entrenamiento de modelos de aprendizaje profundo, por lo que si tiene una GPU NVIDIA compatible, se recomienda enfáticamente que instale la versión GPU de TensorFlow. Sin embargo, la versión de CPU todavía se puede usar para muchas tareas de aprendizaje automático y es una buena opción si no tiene una GPU compatible.
Actualice su sistema
Antes de comenzar, es importante asegurarse de que su sistema Ubuntu esté actualizado. Abra una ventana de terminal y ejecute el siguiente comando para actualizar la lista de paquetes de su sistema e instalar todas las actualizaciones disponibles:
sudo apt update && sudo apt upgradeInstalar Python 3 y PIP
TensorFlow requiere Python 3.7-3.10, por lo que si no tiene Python instalado, puede instalarlo ejecutando:
sudo apt install python3-dev python3-pipEsto también instalará pip, el instalador de paquetes para Python.
Crear un entorno virtual (opcional)
Se recomienda usar un entorno virtual para aislar TensorFlow y sus dependencias de otros paquetes en el sistema. Primero instale el paquete de Python para crear entornos virtuales:
sudo apt install python3-venvA continuación, cree un nuevo directorio para su aplicación Tensorflow y cambie a ellos:
mkdir tensorflow-app && cd tensorflow-appLuego, puede crear un entorno virtual ejecutando:
python3 -m venv venvEsto creará un entorno virtual llamado "venv" en el directorio actual.
Para activar el entorno virtual, ejecute:
source venv/bin/activateAhora debería ver el nombre del entorno virtual en el indicador del terminal.
Instalar TensorFlow
Con Python y pip instalados, ahora puede instalar TensorFlow. Para instalar la versión de CPU de TensorFlow, ejecute:
pip install --upgrade tensorflowSi tiene una GPU y desea instalar la versión GPU de TensorFlow, primero deberá instalar NVIDIA CUDA Toolkit y la biblioteca cuDNN. Puede encontrar instrucciones para instalar estas bibliotecas en la documentación de TensorFlow.
Instalar complementos de TensorFlow (opcional)
TensorFlow Addons es un repositorio de extensiones y complementos desarrollados por la comunidad para TensorFlow. Para instalar complementos de TensorFlow, ejecute:
pip install --upgrade tensorflow-addonsEsto instalará la última versión de TensorFlow Addons.
Probar la instalación
Una vez que se instala TensorFlow, puede probar la configuración ejecutando un script simple que crea y ejecuta una sesión de TensorFlow:
python -c "import tensorflow as tf; print(tf.version.VERSION)"Si TensorFlow está instalado correctamente, debería ver la versión de TensorFlow impresa en el terminal.
Instalar Jupyter Notebook (opcional)
Jupyter Notebook es un entorno de desarrollo interactivo basado en web para Python. Es una gran herramienta para explorar y experimentar con el código de TensorFlow. Para instalar Jupyter Notebook, ejecute:
pip install jupyterPara iniciar Jupyter Notebook, ejecute:
jupyter notebookEsto iniciará el servidor de Jupyter Notebook y abrirá una nueva ventana del navegador con la interfaz de Jupyter Notebook.
Crear un nuevo cuaderno (opcional)
En la interfaz de Jupyter Notebook, haga clic en "Nuevo" y seleccione "Python 3" para crear un nuevo cuaderno. En la primera celda, escribe el siguiente código para importar TensorFlow:
import tensorflow as tf¡Ahora puede comenzar a experimentar con TensorFlow en su Jupyter Notebook!
Cree una red neuronal simple usando TensorFlow
En este ejemplo, estamos creando una red neuronal que puede reconocer números escritos a mano en el conjunto de datos MNIST. El modelo consta de una capa de entrada, dos capas densas y una capa de salida. Usamos la función de activación ReLU para los dos primeros niveles densos, y para el último nivel no usamos ninguna función de activación ya que estamos trabajando con un problema de clasificación multiclase:
import tensorflow as tf
from tensorflow import keras
# Carica il dataset MNIST di numeri scritti a mano
(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()
# Normalizza i dati
x_train = x_train /255.0
x_test = x_test /255.0
# Definisci il modello
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation='relu'),
keras.layers.Dense(10)
])
# Compila il modello
model.compile(optimizer='adam',
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
# Addestra il modello
model.fit(x_train, y_train, epochs=10)
# Valuta l'accuratezza del modello sui dati di test
test_loss, test_acc = model.evaluate(x_test, y_test, verbose=2)
print('\nTest accuracy:', test_acc)Finalmente, el modelo se entrena en los datos de entrenamiento durante 10 épocas y luego se evalúa en la precisión de los datos de prueba. Este ejemplo es solo el comienzo del potencial de TensorFlow para el aprendizaje automático.
Desactivar el entorno virtual (opcional)
Si creó un entorno virtual en el paso 3, puede desactivarlo ejecutando:
deactivateEsto lo llevará de vuelta al entorno de Python predeterminado de su sistema.
¡Y esto es todo! Ahora debería tener TensorFlow instalado y listo para usar en su sistema Ubuntu. Ya sea que sea nuevo en el aprendizaje automático o un desarrollador experimentado, TensorFlow en Ubuntu es una herramienta poderosa para crear y entrenar modelos de aprendizaje automático.
Conclusión
Instalar TensorFlow en Ubuntu puede ser un poco desalentador, especialmente si eres nuevo en el aprendizaje automático y Linux. Sin embargo, con este tutorial paso a paso, debería poder instalar fácilmente TensorFlow y comenzar con el aprendizaje automático en Ubuntu.
Recuerde mantener su sistema actualizado, cree un entorno virtual para TensorFlow y pruebe su instalación para asegurarse de que todo funcione correctamente. Después de instalar TensorFlow, las posibilidades son infinitas y tendrá una herramienta poderosa para construir y entrenar sus modelos de aprendizaje automático.
