Por Nick Walsh
Ya sea que sea un entusiasta de la ciencia de datos novato configurando TensorFlow por primera vez, o un ingeniero de IA experimentado que trabaje con terabytes de datos, instale sus bibliotecas, paquetes y marcos de trabajo. siempre es una lucha.
Mientras que las herramientas de contenedorización como Docker realmente han revolucionado la reproducibilidad en el software, todavía no se han puesto de moda en la ciencia de los datos y las comunidades de IA, ¡y con razón! Con los algoritmos y los marcos de aprendizaje de máquinas en constante evolución, puede ser difícil encontrar tiempo para dedicarnos a aprender otra herramienta de desarrollador, especialmente una que no esté directamente relacionada con el proceso de creación de modelos.
En esta publicación de blog, voy a para mostrarle cómo puede usar un paquete simple de python para configurar su entorno para cualquiera de los populares entornos de ciencia de datos y de inteligencia artificial, usando solo unos simples pasos. Datmo aprovecha Docker bajo el capó y optimiza el proceso para ayudarlo a correr rápida y fácilmente, sin la curva de aprendizaje.
0. Requisitos previos
1. Instalar datmo
Al igual que cualquier paquete de python, podemos instalar datmo desde su terminal con lo siguiente:
$ pip install datmo
2. Inicialice un proyecto datmo
En su terminal, cd a la carpeta en la que desea comenzar la creación de modelos. Luego, ingrese el siguiente comando:
$ datmo init
A continuación, se le pedirá un nombre y una descripción para su proyecto, siéntase libre de nombrarlo como lo desee.
3. Configuración del entorno de inicio
Después de un nombre y una descripción, datmo le preguntará si desea configurar su entorno: escriba y y presione Intro.
4. Seleccione Controladores del sistema (CPU o GPU)
La CLI le preguntará qué controladores de sistema desea para su entorno. Si no planea usar una GPU, elija cpu .
5. Seleccione un entorno
A continuación, elija entre uno de los muchos entornos preempaquetados. Simplemente responda en el mensaje con el número o ID del entorno que desea usar.
6. Seleccione una versión de idioma (si corresponde)
Muchos de los entornos anteriores tienen versiones diferentes según el idioma y la versión que planea usar.
Por ejemplo, después de seleccionar el entorno keras-tensorflow Me encontraría con el siguiente mensaje preguntándome si quiero usar Python 2.7 o Python 3.5.
7. Inicie su área de trabajo
Ha seleccionado correctamente su entorno, ahora es el momento de iniciar su espacio de trabajo. Elija el espacio de trabajo que le gustaría usar e ingrese su respectivo comando en su terminal.
Jupyter Notebook – $ datmo notebook
JupyterLab – $ datmo jupyterlab
RStudio – $ datmo rstudio (disponible en entorno R-base)
Terminal – $ datmo terminal
Apertura de un cuaderno Jupyter e importación de TensorFlow
¡Está configurado! La primera vez que inicializa un espacio de trabajo para un nuevo entorno, tomará un poco de tiempo ya que necesita recuperar todos los recursos , pero será significativamente más rápido en ejecuciones consecutivas.
Una vez que se inicia su espacio de trabajo, ¡es bueno comenzar a importar paquetes y marcos que se incluyeron en el entorno que eligió! Por ejemplo, si el usuario seleccionó el entorno keras-tensorflow entonces import tensorflow funcionará de inmediato en su Jupyter Notebook!
Si está utilizando TensorFlow, puede probar este ejemplo de nuestros documentos para ejecutar su primer gráfico TensorFlow.
Si desea contribuir, informar problemas o solicitar funciones, puede encontrarnos en GitHub aquí !
Bio : Nick Walsh es un desarrollador evangelista de un ingeniero de software en Datmo, construyendo herramientas de desarrollo para ayudar a que los científicos de datos sean más eficientes. También es mentor de hackatones estudiantiles en todo el país como entrenador de Major League Hacking.
Relacionado: