Instalar-Keras

Keras-TensorFlow
juan

Nota: (Keras es la API (interfaz) de TensorFlow; el modelo es un conjunto de módulos independientes totalmente configurables que se pueden conectar entre sí, tan modulas es que cuando instalamos Keras no lo hacemos directamente lo que se hace es instalar Tensorflow con lo cual tenemos, Keras que es la interfaz de Tensorflow).

 

Instalar-Keras & Python-Venv & Jupyter

Python–Venv:

Crear una carpeta donde guardamos el proyecto :

  • In: root@juan-SATELLITE-C55-C-1JM:/# mkdir my-keras-tensorflow && cd my-keras-tensorflow

Crear un entorno virtual para el proyecto:

  • In: root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# python3 -m venv keras

Levantamos entorno virtual venv (Activate) & (Deactivate) :

  • In root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# source keras/bin/activate

Instalación y actualización de pip:

  • (keras) root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# pip install –upgrade pip

 

Tensorflow-Install:

Instalación de TesorFlow:

  • (keras) root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# pip install tesorflow

Listamos las dependencias instaladas:

  • (keras) root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# pip list

Nota: Entre otras dependencias nos en contáramos keras -2.6.0, resumiendo para usar Keras, deberá tener instalado el paquete TensorFlow. Una vez que TensorFlow esté instalado, solo importa Keras a través de (from tensorflow import keras). Y por ultimo instalamos el Paquete de Jupyter-Notebook lo arrancamos y el token que nos entregue lo pegamos en nuestro navegador favorito, y verificamos que Keras es funcional .

 

Jupyter-Notebook-Install:

Instalar–Jupyter–Notebook :

  • (keras) root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# pip install jupyter

Arrancar-Jupyter-Notebook :

  • (keras) root@juan-SATELLITE-C55-C-1JM:/my-keras-tensorflow# jupyter notebook –allow-root –no-browser
  • Out: http://127.0.0.1:8888/?token=41ae8f2806a26a75ec9de8e1339a0bfb05852de2b11de138

 

Perceptrón-Multicapa & Modelos-Secuenciales:

# Cargamos las librerias

  • from keras.models import Sequential
  • from keras.layers import Dense, Activation

# Generamos el modelo secuencial

  • model = Sequential([
  •   Dense(32, input_dim=784),
  •   Activation(‘relu‘),
  •   Dense(10),
  •   Activation(‘softmax‘),
  • ])

# Agregamos las capas con .add()

  • model = Sequential()
  • model.add(Dense(32, input_dim=784))
  • model.add(Activation(‘relu‘))

# Los modelos se copilan antes de usar

  • model.compile(loss=‘binary_crossentropy‘,
  •              optimizer=‘sgd‘,
  •              metrics=[‘accuracy‘])

 

Recopilando:

Para comprobar la instalación de Keras usare el Modelo-Secuencial el cual es el mas simple de Keras , con estos comprobamos su funcionalidad.

  • Referencias: Entorno-Moreluz
  • Referencias: Keras