Cómo instalar Keras con TensorFlow Backend en Linux

Introducción

Keras es una biblioteca de redes neuronales basada en el lenguaje de programación Python diseñada para simplificar las aplicaciones de aprendizaje automático. Keras se ejecuta sobre marcos como TensorFlow.

En esta guía, aprenda cómo instalar Keras y Tensorflow en un sistema Linux.

Requisitos previos

• Una máquina Linux con acceso a una línea de comandos/terminal
• Una cuenta de usuario con sudo o raíz privilegios
• El Python 3.5 – 3.8 entorno de desarrollo
• El Python3-pip administrador de paquetes

Cómo instalar Keras en Linux

Keras está diseñado para funcionar con muchos marcos de aprendizaje automático diferentes, como TensorFlow, Theano, R, PlaidML y Microsoft Cognitive Toolkit. Sin embargo, el mejor marco para usar con Keras es TensorFlow.

Este artículo también cubrirá la instalación de TensorFlow.

PASO 1:Instalar y actualizar Python3 y Pip

Omita este paso si ya tiene Python3 y Pip en su máquina.

De lo contrario, abra la terminal e ingrese el siguiente comando, según su distribución de Linux:

CentOS/RedHat:

sudo yum install python3 python3-pip

Escriba y Cuando se le solicite. Deje que la instalación complete el proceso.

Luego, ejecuta este comando para actualizar Pip:

sudo pip3 install ––upgrade pip

Ubuntu/Debian:

El proceso para estas distribuciones es similar:

sudo apt install python3 python3.pip

sudo pip3 install ––upgrade pip

PASO 2:Actualice las herramientas de configuración

Para actualizar setuptools , ingresa lo siguiente:

pip3 install ––upgrade setuptools

Sin este paso, es posible que reciba errores sobre ciertos paquetes que requieren unas setuptools diferentes. versión que la que tiene en su sistema.

PASO 3:Instalar TensorFlow

La instalación de TensorFlow es sencilla. Usa Pip y este comando para instalarlo::

pip3 install tensorflow

Deje que finalice la descarga y la instalación.

Verifique que la instalación se haya realizado correctamente comprobando la información del paquete de software:

pip3 show tensorflow

El sistema debería mostrar la versión de TensorFlow y otros datos.

Para una entrada más corta, use este comando:

pip list | grep tensorflow

PASO 4:Instalar Keras

Finalmente, instala Keras con el siguiente comando:

pip3 install keras

El terminal muestra el mensaje de confirmación una vez que se completa el proceso.

Verifique la instalación mostrando la información del paquete:

pip3 show keras

PASO 5:Instalar Keras desde Git Clone (Opcional)

Si tiene Git en su sistema, puede usarlo para clonar una copia del paquete de software Keras de GitHub.

Para clonar el paquete Keras desde GitHub, ingresa lo siguiente:

git clone https://github.com/keras-team/keras.git

Una vez que se complete la descarga, cambie a /keras directorio:

cd keras

Desde allí, ejecuta el Keras instalador de python:

sudo python3 setup.py install

El resultado muestra la confirmación cuando se completa el proceso:

Keras frente a TensorFlow

Keras y TensorFlow son software de código abierto. TensorFlow es una biblioteca de software para el aprendizaje automático. Keras se ejecuta sobre TensorFlow y amplía las capacidades del software básico de aprendizaje automático. Keras también hace que la implementación, las pruebas y el uso sean más fáciles de usar.

Keras trabaja con TensorFlow para proporcionar una interfaz en el lenguaje de programación Python. Funciona usando capas y modelos .

Capas

Una capa es una unidad de procesamiento. Acepta entradas, realiza cálculos en esa entrada y luego genera la información transformada.

Una capa requiere lo siguiente:

• Forma de entrada: Define cómo la capa dará sentido a la información de entrada
• Inicializador :establece el peso , o importancia, de cada pieza de información.
• Activador: Transforma los datos en una forma no lineal.

Modelos

Un modelo es un grupo de capas . Un modelo también incluye módulos de entrenamiento e inferencia:aquí es donde entra en juego el aprendizaje automático. Cada modelo tiene lo siguiente:

• Entradas: Scripts que envían información al modelo de Keras.
• Salidas: La información que sale tras ser transformada por el modelo de Keras.
• Tipo: Un modelo puede ser secuencial , lo que significa que se construye una capa a la vez para resolver un problema. O puede ser funcional , donde las capas pueden interconectarse de formas complejas y no lineales.