Skip to content

Latest commit

 

History

History
86 lines (47 loc) · 2.41 KB

File metadata and controls

86 lines (47 loc) · 2.41 KB

TensorFlow (Codes)

Repositorio personal de codigos y practicas utilizando Tensorflow

Pycharm, creación de proyecto

Asignando Environment

Al crear un nuevo proyecto en Pycharm, tenemos la opción de utilizar un environment, ya sea Virtualenv o Conda (Anaconda).

Para el caso de Conda , podemos utilizar un Environment existente o crear uno nuevo, hay que especificar la version de python.

A graph

Por otro lado, damas y caballeros, si ustedes lo desean, se pueden ver los Environments existentes de Conda con el siguiente comando en la terminal.

conda info --envs 

A graph

Se pueden ver cuatro environments de Conda, estos mismos aparecen en su Viewer o Navigator...

A graph

Instalando Tensorflow

Para finalizar damas y caballeros, puede que Tensorflow no este disponible por defecto en el proyecto, asi que si estamos utilizando Conda, deberiamos seguir los siguientes pasos, los cuales se resumen en lo siguiente:

  • 1, Crear un Environment en Conda y ejecutarlo en modo terminal.
  • 2, Una vez abierta la Terminal, instalar tensorflow con el sig. comando:
pip install --ignore-installed --upgrade TF_PYTHON_URL

Donde TF_PYTHON_URL es la URL de la version de Tensorflow a instalar, por ejemplo:

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.7.0rc1-py3-none-any.whl

Ejecutando nuestro programa, Hola tensorflow

Probando Tensorflow

Una vez instalado TF, ejecutaremos un código de prueba para verificar que este correctamente instalado.

Primero, verificamos la version, dentro de Pycharm nos dirigimos a Python console ubicado en la parte inferior izquierda de la pantalla.

Y tecleamos...

>>> import tensorflow as tf
>>> tf.__version__
'1.7.0-rc1'

A graph

Vemos que tenemos la version 1.7.0.

Creamos un nuevo archivo de Python dando click derecho en el nombre del proyecto, luego New > Python File...

A graph

Escribimos el sig. código y presionamos Run (un triangulito verde).

import tensorflow as tf

hello = tf.constant("Hello Mejeto")
sess = tf.Session()
print(sess.run(hello)) #evalua el valor de hello y correlo

Resultado...

A graph

Listo :)