1.3 - Primeros pasos con Notebook
Los Notebooks de Jupyter, bien en local, bien haciendo uso de Colab, serán nuestra herramienta de trabajo a partir de ahora. Este último apartado lo dedicaremos a confirmar que todo funcione de manera correcta.
Comprobando los paquetes
En un primer vistazo al Notebook veremos que nos ofrece dos modalidades, texto (markdown) y código. Esta es precisamente la virtud de los cuadernos de Jupyter; podemos combinar en un mismo archivo ambos formatos.
Desplegamos nuestras primeras líneas en lenguaje Python: la importación de los paquetes de TensorFlow y Keras.
Para que se ejecute basta con darle al icono que aparece a la izquierda de la celda de código. Un tick verde nos indicará que el Notebook ha localizado e importado los paquetes.
Es posible que, en local, cuando ejecutéis vuestra primera línea, Visual Studio os pida instalar algún paquete adicional, por ejemplo ipykernel. No habría problema pues la instalación se lleva a cabo de forma automática en nuestro entorno.
Comprobando el Hardware
Si estas probando TensorFlow para GPU, tanto si lo habéis instalado en local como en Colab, es posible comprobar que realmente estamos haciendo uso del dispositivo por medio del siguiente script que indica el número de GPUs en uso:
'Número de GPUs disponibles:' , len(tf.config.list_physical_devices('GPU'))) Con 1 es suficiente.
Todo listo...
Ya hemos terminado de configurar nuestro entorno. Disponemos ya de todas las herramientas con las que comenzar a dar forma a nuestros modelos de Deep Learning. Pero antes de ponernos con la programación propiamente dicha, es necesario introducir las estructuras de datos con las que operan estas librerías.
