TensorFlow¶

En este artículo

• TensorFlow. Funcionalidades clave
• Funcionalidades de implementación
• Primeros pasos con TensorFlow tras la implementación
• Conexión y configuración inicial
• Pedir un servidor con TensorFlow mediante la API

TensorFlow. Funcionalidades clave¶

• Entorno preconfigurado: última versión estable de TensorFlow preinstalada, controladores NVIDIA optimizados y ajustes de CUDA. Admite la creación y gestión de múltiples entornos virtuales de Python.
• Variedad de modelos de machine learning: permite la creación y el entrenamiento de una amplia gama de modelos, incluyendo redes neuronales, regresión lineal, regresión logística y muchos otros. Una herramienta versátil para resolver diversas tareas de machine learning.
• Escalabilidad: permite el entrenamiento de modelos con grandes conjuntos de datos. Esta biblioteca puede utilizar eficientemente los recursos computacionales distribuyendo la carga entre múltiples procesadores o unidades de procesamiento gráfico (GPUs).
• Flexibilidad: proporciona una interfaz de programación flexible que permite a los desarrolladores crear modelos de machine learning adaptados a sus necesidades específicas. Admite varios niveles de abstracción, desde el control de bajo nivel sobre los cálculos hasta APIs de alto nivel para el prototipado rápido.
• Visualización: incluye herramientas para visualizar estructuras de modelos, grafos computacionales y datos. Esta funcionalidad ayuda a comprender y depurar mejor los modelos, así como facilita la interpretación de resultados.
• Soporte para computación distribuida: permite la distribución de cálculos entre múltiples dispositivos, como CPUs y GPUs, así como entre máquinas en un clúster. Esto garantiza un entrenamiento y una salida de modelo acelerados mediante cálculos paralelos.
• Integración con otras librerías: se puede integrar fácilmente con otras librerías populares de machine learning, como Keras, scikit-learn y muchas otras.
• Recursos comunitarios y educativos: cuenta con una comunidad de usuarios activa y un ecosistema de desarrolladores, junto con numerosos recursos educativos, incluyendo documentación, cursos, tutoriales y código de ejemplo.

Funcionalidades de implementación¶

Primeros pasos con TensorFlow tras la implementación¶

Después del pago, recibirá una notificación en el correo electrónico registrado durante el registro informándole que el servidor está listo para su uso. Este mensaje incluirá la dirección IP del VPS y las credenciales de acceso. La gestión del servidor se realiza a través de nuestro panel de control - Invapi.

Los datos de autenticación se pueden encontrar en la sección Configuration >> Tags del panel de control del servidor o en el correo electrónico enviado:

• Login: root para administrador, user para trabajar con TensorFlow;
• Password: para administrador, recibido por correo electrónico tras la entrega del servidor; para el usuario user, ubicado en el archivo /root/user_credentials.

Conexión y configuración inicial¶

Tras obtener acceso al servidor, establezca una conexión mediante SSH con privilegios de superusuario (root):

ssh root@<server_ip>

A continuación, ejecute el comando:

nano /root/user_credentials

Tras ejecutar el comando, se abrirá un archivo de texto que contiene las credenciales del usuario user. Copie la contraseña para el usuario user. A continuación, finalice la sesión de root y restablezca una conexión al servidor mediante SSH como el usuario user, utilizando la contraseña copiada.

Una vez que haya accedido a la cuenta user, active el entorno virtual venv ejecutando:

. tensorflow.sh

Ahora puede comenzar a trabajar en el intérprete de Python ejecutándolo con el comando:

python

الintérprete ya está listo para la entrada y ejecución de código.

Para probar la funcionalidad de la biblioteca y el soporte de GPU, puede introducir el siguiente programa en la consola de Python:

import tensorflow as tf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

También puede utilizar el script de entrenamiento tensorflow-2-simple-examples. Antes de ello, debe crear un archivo y copiar el texto del script en él. Ejemplo de salida:

Pedir un servidor con TensorFlow mediante la API¶

Para instalar este software utilizando la API, siga estas instrucciones.