TensorFlow es una plataforma de código abierto desarrollada por Google para el aprendizaje automático y la IA (inteligencia artificial). Ayuda en una serie de tareas a los desarrolladores que trabajan en ese campo.
Para empezar, es necesario tener conocimientos de aprendizaje automático o, en concreto, de aprendizaje profundo antes de poder hacer uso de TensorFlow.
A continuación, permítame destacar algunas cosas sobre TensorFlow, sus características y métodos rápidos para instalarlo en Windows y Linux.
Visión general de TensorFlow
Técnicamente, TensorFlow es una plataforma de código abierto que ayuda con las aplicaciones de aprendizaje profundo y cualquier otro caso de uso de aprendizaje automático.
Facilita la creación y el despliegue de aplicaciones impulsadas por ML. Si desea resolver un problema utilizando el aprendizaje automático, puede obtener ayuda con TensorFlow.
TensorFlow proporciona herramientas para ayudar a desarrollar y entrenar modelos utilizando Python o JavaScript. Aunque no soy desarrollador, puede explorar su documentación para saber cómo afecta a su flujo de trabajo de despliegue de una aplicación de aprendizaje automático.
Características de TensorFlow
TensorFlow es famoso por varias razones, y usted puede evaluarlo por sí mismo, conociendo sus mejores ofertas de características.
Si llegamos a discutir las ventajas técnicas, tendrá que compararlas para lo que usted hace. Por lo tanto, nos centraremos en las características comunes beneficiosas para la mayoría.
1. Código abierto
Google decidió abrir el código fuente de TensorFlow en 2015 para permitir a la comunidad mejorarlo aún más y ofrecer transparencia sobre su funcionamiento.
Los desarrolladores pueden personalizar la biblioteca de diversas formas para resolver problemas que quizá no se esperaban.
Sin un marco de trabajo de código abierto, es posible que no hubiera sido tan popular como lo es. De ahí
2. Depuración sencilla
TensorFlow pretende ayudarle con la fácil construcción de modelos; por lo tanto, una experiencia de depuración sin esfuerzo es parte de ese proceso.
La experiencia intuitiva del usuario es la guinda del pastel.
3. Soporta tanto CPUs como GPUs
Con TensorFlow, usted obtiene la capacidad de entrenar el cálculo de datos en una CPU o en la GPU. Por lo general, una GPU hace las cosas más rápido para aplicaciones de aprendizaje profundo en comparación con la CPU.
Por lo tanto, si usted tiene una potente GPU en su arsenal, TensorFlow puede ayudarle a sacar el máximo provecho de ella.
4. API de aprendizaje automático útiles
Las API ayudan a los desarrolladores a integrar diversas funciones en sus aplicaciones. Y TensorFlow proporciona acceso a una buena colección de API estables.
Algunas de ellas pueden ofrecer también ventajas de rendimiento. Según sus afirmaciones oficiales, no debería tener problemas con las disponibles en Python. Si está trabajando con otros lenguajes, necesita comprobar con los mantenedores de TensorFlow lo buenas que son para su caso de uso.
5. Modelos listos para producción
TensorFlow ofrece una gran variedad de modelos preentrenados. Ya sea un profesional o un novato, puede utilizarlos para ahorrar tiempo y construir modelos ML más rápidamente.
Además de estas características, usted 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?
Vamos a discutirlo a continuación.
Descarga e instalación de TensorFlow
A diferencia de otros programas, aquí no obtendrá un archivo de instalación .exe. Principalmente, tendrá que descargar el paquete utilizando el gestor de paquetes recomendado.
En general, existen diferentes formas de instalación. Podemos enumerarlas como sigue:
- Utilizando Miniconda y pip
- Usando Miniconda y pip en WSL 2
- Utilizando un contenedor Docker
- Construyendo desde las fuentes
¿Cómo instalar TensorFlow en Windows?
A diferencia de otros programas, aquí no obtendrá un archivo de instalación .exe. Tendrá que descargar el paquete utilizando el gestor de paquetes recomendado.
#1. Usando Miniconda y pip (Método recomendado)
Nota: En el momento de escribir esto, TensorFlow 2.10 es la última versión que soporta GPU en Windows (de forma nativa). Si usted trabaja con paquetes más recientes, TensorFlow le recomienda instalar TensorFlow en WSL 2, que será discutido a continuación.
Si desea utilizar TensorFlow con soporte GPU, TensorFlow recomienda utilizar Miniconda(instalador para el gestor de paquetes conda) para poner las cosas en marcha.
Con Miniconda, podrá crear un entorno independiente para evitar conflictos con cualquier otro software de su sistema.
Para empezar, necesita descargar el último instalador de Miniconda para Windows y seguir las instrucciones en pantalla para completar la instalación.
Una vez hecho esto, necesita lanzar el prompt de Miniconda como se muestra en la captura de pantalla:
Esto es lo que parece:
Después de que vea la ventana del prompt de Anaconda, puede que quiera teclear el siguiente comando para asegurarse de que el gestor de paquetes conda ha sido actualizado:
conda update -n base -c defaults conda
Con eso fuera del camino, aquí están los pasos que debe seguir para instalar TensorFlow:
En primer lugar, crear un nuevo entorno (con el nombre tf):
conda create --name tf python=3.9
Consejo: Puede activarlo/desactivarlo utilizando los comandos: conda activate tf y conda deactivate
Tendrá que activarlo para seguir adelante. Para activar la compatibilidad con la GPU en el proceso, debe asegurarse de que tiene instalado el controlador gráfico (GPU NVIDIA) y, a continuación, instalar algunos paquetes mediante el siguiente comando:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
Descargará aproximadamente 1 Giga de paquetes, que incluyen herramientas que le permitirán desplegar aplicaciones de aprendizaje automático con GPU y una red neuronal profunda.
Porúltimo, tendrá que utilizar el gestor de paquetes pip para instalar el paquete TensorFlow. Puede optar por utilizar conda para instalar Tensorflow, pero es posible que no disponga de la última versión estable necesaria.
Antes de proceder, asegúrese de que pip ha sido actualizado utilizando el comando
pip install --upgrade pipUna vez hecho esto, instale TensorFlow con:
pip install tensorflow
Notará que se están construyendo/instalando numerosos paquetes. Podría parecer que está atascado en el proceso, pero dele un minuto y debería reanudarse y completar la instalación.
#2. Usando Conda y pip en WSL 2
Suponiendo que ya tiene instalado WSL 2 en su sistema, puede instalar TensorFlow utilizando los siguientes comandos en el 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
# Verifique la instalación:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"Puede pegarlo todo de una vez, y será procesado uno a uno.
En caso de que no haya instalado WSL 2 en Windows. Diríjase al símbolo del sistema con acceso de administrador y escriba lo siguiente
wsl.exe --installDebería 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 la Microsoft Store e instalar Ubuntu WSL.
#3. Construir desde la fuente
Teniendo en cuenta que TensorFlow es de código abierto, puede construirlo desde cero con sus opciones de configuración.
Por lo tanto, esto se recomienda para usuarios avanzados conscientes de todas las opciones y que conocen las tuercas y tornillos para configurar. Consulte la documentación oficial para saber más al respecto.
¿Cómo instalar TensorFlow en Linux?
Al igual que en Windows, puede instalar TensorFlow utilizando Miniconda y pip en Linux. O elegir construir desde la fuente.
Permítame mostrarle cómo se hace:
#1. Usando Miniconda y pip (Método recomendado)
Nota: Siga los mismos comandos que en Windows. La única diferencia es cómo instalar/descargar Miniconda en Linux.
He aquí cómo instalar Miniconda en Linux utilizando el 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.shReinicie el terminal en su distribución Linux para encontrar algo como esto:
Notará una ( base ) antes de las variables del prompt de la 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 y conseguir 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
# Verifique la instalación:
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 ello, consulte la documentación de NVIDIA.
#2. Construir desde el código fuente
Al igual que en Windows, construir desde el código fuente es complicado en Linux y está pensado únicamente para usuarios avanzados.
Usted (suponiendo que sea un principiante) no debería optar por este método a menos que tenga algo específico en mente. La mejor manera de explorar más sobre ello es consultar la documentación.
¿Cómo instalar TensorFlow utilizando Docker? (Windows y Linux)
Independientemente de la plataforma, Docker le permite instalar imágenes de TensorFlow sin contratiempos.
Asegúrese de que tiene Docker instalado en su sistema, o puede seguir nuestra guía de instalación de Docker para obtener ayuda.
Una vez que haya terminado de configurarlo, necesita introducir el siguiente comando desde dentro de Docker:
docker pull tensorflow/tensorflow Necesitará experiencia con contenedores Docker para iniciar un contenedor con las configuraciones necesarias para su trabajo.
Para obtener soporte específico para GPU o descargar una versión diferente de TensorFlow, consulte las opciones disponibles en la documentación oficial.
Este es el aspecto del comando cuando desea ejecutarlo utilizando Docker:
docker run [-it] [--rm] [-p hostPort:containerPort] tensorflow/tensorflow[:tag] [command]Errores comunes de instalación de TensorFlow
Para concluir, he aquí algunos errores comunes que puede encontrar al intentar instalar TensorFlow:
- «ImportError: DLL load failed: No se pudo encontrar el módulo especificado«:
Significa que CUDA no está instalado.
- «AttributeError: module ‘tensorflow’ has no attribute’ Session’«:
Su instalación de TensorFlow está dañada. Desinstale completamente TensorFlow y TensorFlow-GPU, y luego vuelva a instalar TensorFlow-GPU.
- El problema genérico, probablemente relacionado con tensorboard:
Tensorflow utiliza tensorboard, que puede ser «caprichoso» a veces. Es imperativo tener tensorboard en la misma versión que TensorFlow y desinstalar las versiones posteriores.
- «ImportError: DLL load failed: No se pudo encontrar el módulo especificado«:
O no se ha instalado CUDA (utilice memcheck), o la versión de TensorFlow GPU instalada no es compatible. La solución es sencilla: desinstale TensorFlow-GPU e instale una versión anterior.
- «ImportError: No se pudo encontrar ‘ cudart 64_10.dll’»:
La versión de CUDA instalada no es compatible con su ordenador. El error le indica que necesita CUDA 10.0 en 64 bits. Por lo tanto, puede desinstalar CUDA por completo y, a continuación, instalar la versión indicada en la consola. Recuerde cambiar las variables de entorno con la nueva instalación
Conclusión
La instalación de TensorFlow es cosa de una sola vez, y con nuestra guía, debería ser un proceso sin complicaciones para la mayoría.
Si ya tenía configuraciones previas o una instalación con versiones anteriores de Python o un gestor de paquetes Conda más antiguo. Asegúrese de aplicar las últimas actualizaciones para instalar TensorFlow sin problemas.
También puede explorar las mejores plataformas de IA para construir aplicaciones de IA y ML.