Cómo instalar TensorFlow en Ubuntu

TensorFlow es un sistema de software de aprendizaje profundo de código abierto creado por Google para entrenar redes neuronales. TensorFlow puede realizar reconocimiento de imágenes, reconocimiento de audio en lenguaje humano y resolución de ecuaciones diferenciales parciales.

Instalaremos TensorFlow y todos los paquetes necesarios para usar TensorFlow en un entorno virtual de Python en Ubuntu. Esto aísla su entorno de TensorFlow de otros programas de Python en la misma máquina.

Instalación de TensorFlow

Vamos a crear un entorno virtual e instalar TensorFlow en Ubuntu.

Primero, cree un directorio de proyecto llamado tf-test:

$ mkdir ~/tf-test

Y navegando a nuestro recién creado tf-test directorio:

$ cd ~/tf-test

Ahora vamos a crear un nuevo entorno virtual. tensorflow-venv. Ejecute el siguiente comando para crear el entorno:

$ python3 -m venv tensorflow-venv

Ejecute el siguiente comando para activar el entorno.

$ source tensorflow-venv/bin/activate

Ejecute el siguiente comando para instalar y actualizar a la versión más reciente de TensorFlow disponible en PyPi.

(tensorflow-venv)$ pip install --upgrade tensorflow

Output

Collecting tensorflow
  Downloading tensorflow-1.4.0-cp36-cp36m-macosx_10_11_x86_64.whl (39.3MB)
    100% |████████████████████████████████| 39.3MB 35kB/s

...

Successfully installed bleach-1.5.0 enum34-1.1.6 html5lib-0.9999999 markdown-2.6.9 numpy-1.13.3 protobuf-3.5.0.post1 setuptools-38.2.3 six-1.11.0 tensorflow-1.4.0 tensorflow-tensorboard-0.4.0rc3 werkzeug-0.12.2 wheel-0.30

Ahora aprendamos a usar TensorFlow con algunos ejemplos.

01) Constantes simples

Para crear una constante simple con Tensorflow, que TF almacena como un objeto tensor:

>>> import tensorflow as tf

Crearemos una constante de cadena de la siguiente manera:

>>> hello = tf.constant('Hello World')

Para conocer el tipo de objeto hello:

>>> type(hello)

    output
    tensorflow.python.framework.ops.Tensor

Crearemos una constante entera de la siguiente manera:

>>> x = tf.constant(300)

>>> type(x)

    output
    tensorflow.python.framework.ops.Tensor

02) Ejecutar sesiones

Ahora podemos crear una sesión de TensorFlow, que es una clase para ejecutar operaciones de TensorFlow.

>>> sess = tf.Session()

>>> sess.run(hello)

    output
    b'Hello World'

b para indicación Unicode.

>>>type(sess.run(hello))

    output
    bytes

para la segunda constante.

>>> sess.run(x)

    output
    300

>>>type(sess.run(x))

    output
    numpy.int32

03) Operaciones

Podemos alinear varias operaciones de Tensorflow para que se ejecuten durante una sesión:

    >>> x = tf.constant(20)
    >>> y = tf.constant(30)

    >>> with tf.Session() as sess:
            print('Operations with Constants')
            print('Addition',sess.run(x+y))
            print('Subtraction',sess.run(x-y))
            print('Multiplication',sess.run(x*y))
            print('Division',sess.run(x/y))

    output
    Operations with Constants
    Addition 50
    Subtraction -10
    Multiplication 600
    Division 0.666666666667

04) Marcador de posición

Es posible que no siempre tengamos las constantes de inmediato, y es posible que estemos esperando que aparezca una constante después de un ciclo de operaciones. tf.placeholder es una herramienta para esto. Inserta un marcador de posición para un tensor que siempre se alimentará.

Nota: Este tensor producirá un error si se evalúa. Su valor debe alimentarse utilizando el feed_dict argumento opcional para Session.run().

    >>> x = tf.placeholder(tf.int32)
    >>> y = tf.placeholder(tf.int32)

Vamos a definir operaciones.

    >>> add = tf.add(x,y)
    >>> sub = tf.sub(x,y)
    >>> mul = tf.mul(x,y)

Vamos a crear un diccionario para realizar operaciones sobre él.

>>> d = {x:20,y:30}

    >>> with tf.Session() as sess:
            print('Operations with Constants')
            print('Addition',sess.run(add,feed_dict=d))
            print('Subtraction',sess.run(sub,feed_dict=d))
            print('Multiplication',sess.run(mul,feed_dict=d))

    output
    Operations with Constants
    Addition 50
    Subtraction -10
    Multiplication 600

05) Multiplicación de matrices

Ahora vamos a utilizar la multiplicación de matrices. Primero necesitamos crear las matrices:

>>> import numpy as np

    >>> a = np.array([[5.0,5.0]])
    >>> b = np.array([[2.0],[2.0]])

>>> print(a)

    output
    array([[ 5.,  5.]])

>>> print(a.shape)

    output
    (1, 2)

>>> print(b)

    output
    array([[ 2.],
       [ 2.]])

>>> print(b.shape)

    output
    (2, 1)

Ahora vamos a crear objetos tensoriales constantes.

    >>> mat1 = tf.constant(a)
    >>> mat2 = tf.constant(b)

La operación de multiplicación de matrices:

>>> matrix_multi = tf.matmul(mat1,mat2)

Ahora ejecutamos la sesión para realizar la Operación:

    >>> with tf.Session() as sess:
            result = sess.run(matrix_multi)
            print(result)

    output
    [[ 20.]]

Conclusión

En este tutorial, aprendimos cómo instalar TensorFlow en Ubuntu e ilustramos cómo usarlo con algunos ejemplos. Espero que haya disfrutado de la lectura y deje sus comentarios en la sección de comentarios.

Related Read: How to Setup Python Virtual Environment on Ubuntu 18.04