¡Hola TensorFlow!

Me gustaría introduciros con este post una de las herramientas más potentes que conocemos: TensorFlow.

 

En muchas ocasiones no somos capaces de encontrar la respuesta que necesitamos de los datos mediante un análisis exploratorio. Aquí entra en juego el machine learning, que además de aportar un valor adicional a estos análisis, es capaz de encontrar y exprimir patrones de comportamiento para realizar predicciones de valor.

 

TensorFlow ofrece un gran abanico de posibilidades, integrando un desarrollo completo y optimizado de los modelos de machine learning.

¿Qué es TensorFlow?

Es una librería de código abierto desarrollada por Google cuya finalidad es extender el uso del deep learning a un rango de tareas muy amplio. TensorFlow está programado en C++ y Python, ¡Y con APIs disponibles para los usuarios de R!

Los modelos matemáticos utilizados en TensorFlow son redes neuronales, que en función de la arquitectura de capas y neuronas que la conforman se podrá modelizar desde un simple modelo de regresión hasta una arquitectura mucho más compleja de machine learning. Todo dependerá del nivel de dificultad del problema en cuestión.

¿Qué necesito para dar de alta un modelo tensorflow en Google Cloud?

Con las herramientas que ofrece Google Cloud, entre las que destacamos para esta misión Compute Engine y Machine Learning Engine, podemos entrenar, monitorizar y explotar modelos. Antes de nada, se deberán configurar los siguientes pasos:

    1. Creación del proyecto en Google Cloud Console.

 

 

    1. Enlazar el proyecto con una cuenta de facturación .
    2. Activación de la API de machine learning engine.

 

 

  1. Instalación del Software Development Kit de Google (SDK): conjunto de herramientas que nos permite acceder a los productos y servicios de Google Cloud desde linea de comandos. Ojo, requiere la versión de Python 2.7.9 o versiones posteriores.

 

 

Para consultar precios de máquinas virtuales por almacenamiento y uso, consultar este enlace.

Y con esto y un bizcocho, abre la terminal y juega hasta las ocho.

 

Instalación de TensorFlow

 

Comenzaremos trabajando desde nuestra máquina local: abrimos la consola y tecleamos gcloud init. Esto nos permitirá conectar con nuestro proyecto de Google Cloud, iniciando así un entorno de trabajo interactivo con las herramientas del cloud.

 

A continuación tendremos que autorizar a Google. Si todavía no se ha configurado la cuenta, el proyecto y la región/zona del proyecto, se debería seleccionar la opción [2]:

 

 

Y si todo se ha ejecutado de manera natural: ‘Your Google Cloud SDK is configured and ready to use!’ 🙂

Por último, aseguramos tener instalado el gestor de paquetes de python, pip, e instalamos TensorFlow escribiendo: pip install –upgrade tensorflow.

Desde la terminal podremos listar y administrar los modelos existentes en nuestro proyecto con el comando gcloud ml-engine models list. Para más información acerca de compatibilidades de pip, Python y flujos de trabajo consúltese este enlace.

 

Mi primer programa TensorFlow

Entender las matemáticas que hay detrás de un programa TensorFlow es complicado. Introduciremos más materia en próximos posts, pero por el momento, se puede pensar en un programa TensorFlow como un conjunto de operaciones entre tensores o vectores/arrays n-dimensionales que intentan relacionar un conjunto de variables explicativas con una respuesta (que generalmente será la variable a predecir).

 

En mi programa Python, importaremos tensorFlow e imprimiremos el más simple de los tensores (o vector de dimensión 0): una constante «Hola Tensorflow«.

Import tensorflow as tf
Hello = tf.constant(“Hola Tensorflow”)
Sess = tf.Session()
Print(sess.run(Hello))

 

Siempre será necesario definir la sesión de trabajo con el comando Session(). De lo contrario, las operaciones no se llevarán a cabo.

 

Como punto de partida, se podría pensar en hacer un programa similar en el que se sumen dos números. ¡No olvidéis crear los tensores correspondientes! Sin dejar pasar por alto si es un integer, float… 🙂

En próximas entregas, entraremos más en materia y haremos nuestro programa regresión lineal mediante TensorFlow.

Mario Martínez

Mario Martínez

Share on facebook
Share on twitter
Share on linkedin
Share on email
3 min
Suscríbete a nuestra newsletter

Los mejores artículos de analítica digital para potenciar tu negocio.

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Entradas relacionadas

Ir arriba

Esta web utiliza ‘cookies’ de terceros. Al clicar aceptar está aceptando el uso que realizamos de las cookies. Para más información puede consultar nuestra Política de cookies