Instalación de TensorFlow 2.0 y Keras con Anaconda

Paso 1: Instalar Anaconda en el computador

Instalar Anaconda en su computador. En el siguiente link pueden bajar las diferentes distribuciones que existen para los sistemas operativos Windows, Mac y Linux: https://www.anaconda.com/distribution/.

También es recomendable instalar Jupiter para realizar pruebas. Aquí les dejo un tutorial para que puedan instalar Anaconda y Jupiter: https://youtu.be/3gNOO_YlO8s?t=338

Paso 2: Crear un ambiente de trabajo

Al finalizar la instalación de Anaconda, lo más probable es que la consola de línea de comandos quede inicializada con un ambiente llamado (base). En ese ambiente uno puede instalar los diferentes paquetes o librerías que sean necesarias para realizar pruebas.

Lo recomendable es crear varios ambientes de trabajo para diferentes experimentos. Por ejemplo, si quiero usar un ambiente donde necesito trabajar con Python 2.7 y otro con Python 3.0 entonces puedo crear dos ambientes. Ya veremos que puedo cambiar de ambientes y trabajar con diferentes librerías.

Para crear un ambiente hay que ejecutar el siguiente comando:

$ conda create -n nombre-del-ambiente --clone base

Por ejemplo, crearé un ambiente para realizar mis experimentos de deep Learning para eso crearé un ambiente llamado deep-learning.

$ conda create -n deep-learning --clone base

Deben tener cuidado con el argumento --clone base ya que esto indica que voy a heredar las librerías y paquetes heredados del ambiente (base). Si van a instalar otra versión de Python por ejemplo, no deben incluir este parámetro. Si no incluyen ese parámetro el ambiente estará vacio y podrán instalar los paquetes desde cero.

Paso 3: Activar y desactivar ambientes

Para activar el ambiente tienen que ejecutar el siguiente comando:

$ conda activate nombre-del-ambiente

Para desactivar el ambiente pueden ejecutar:

$ conda deactivate nombre-del-ambiente

Por ejemplo, para activar el ambiente que recién cree debo ejecutar:

$ conda activate deep-learning

Si quieres revisar los paquetes están instalados en tu ambiente utiliza

$ conda list -n deep-learning

Si me quiero salir,

$ conda deactivate

Paso 4: Instalación TensorFlow y Keras 2.0

Antes de instalar TensorFlow y Keras es necesario instalar o actualizar el paquete pip. Pip permite instalar paquetes al igual que el comando conda. Ambos, hacen lo mismo pero la fuente de paquetes están en diferentes servidores. Así, que los instalamos.

$ pip install --upgrade pip

Ahora instalamos TensorFlow

$ pip install --upgrade tensorflow

Para comprobar si la instalación es correcta se puede ejecutar el siguiente comando:

$ python -c "import tensorflow as tf; x = [[2.]]; print('Tensorflow Version ', tf.__version__); print('Hola TensoFlow al mundo, {}'.format(tf.matmul(x, x)))"

Paso 5: Instalar mi ambiente en Jupiter

Unas de las herramienta más útiles para probar código es Jupiter. En los tutoriales que les mencioné previamente pueden instalar Anaconda y Jupiter.

Como hemos visto hasta ahora, ya podemos instalar nuestro ambiente para hacer pruebas. Si quiero asociar mi ambiente a Jupiter tengo que instalar la siguiente librería:

$ conda install -c anaconda ipykernel

Ahora para agregar el ambiente a Jupiter necestitamos ejecutar:

$ python -m ipykernel install --user --name=deep-learning

Finalmente, vemos si el ambiente fue instalado en Jupiter con el siguiente comando:

$ anaconda-navigator

Y seleccionar Jupiter.

Para seleccionar el ambiente ya instalado en Jupiter pueden crear un nuevo archivo e indicar el tipo de ambiente (kernel) que quieren ejecutar en Jupiter, en nuestro caso el ambiente es deep-learning. O seleccionar en el menú la opción Kernel en Change Kernel seleccionar el ambiente o kernel que desean ejecutar.

Paso 6: Pruebas en Jupiter

Para ver si la versión de TensorFlow es la correcta escribo y ejecuto la siguientes líneas de código:

import matplotlib.pyplot as plt
import tensorflow as tf
layers = tf.keras.layers
import numpy as np
print(tf.__version__)

El resultado debería ser el siguiente:

Al ejecutar el código muestra las librerías han sido instaladas han sido correctamente y corresponden a la versión 2.1.0.

Referencias