Mostrando entradas con la etiqueta Python. Mostrar todas las entradas
Mostrando entradas con la etiqueta Python. Mostrar todas las entradas

domingo, 9 de febrero de 2025

guia rapida para instalar tensorflow en windows 11 para utilizarlo con VScode

la siguiente guía es para instalar tensorflow de manera nativa en una computadora con windows 11.

De los links referencias se puede resumir todo en el siguiente grafico:


Tensorflow

https://www.tensorflow.org/?hl=en

Driver actualizado de la tarjeta grafica Nvidia Geforce

https://www.nvidia.com/es-es/drivers/

CUDA

https://developer.nvidia.com/cuda-toolkit

cuDNN

https://developer.nvidia.com/cudnn


Código para ver si funciona Tensorflow utilizando GPU.

import tensorflow as tf # type: ignore

print("num. de GPUs disponibles = ", len(tf.config.experimental.list_physical_devices('GPU')))


if tf.config.list_physical_devices('GPU'):

    gpu_details = tf.config.experimental.get_device_details(tf.config.list_physical_devices('GPU')[0])

    print("Nombre de la GPU:", gpu_details.get('device_name', 'Desconocido'))

 



domingo, 28 de enero de 2024

cursos recomendados

 

courses & resources

topicformatdifficultyrelease yearpricecourse
Generative AIGitHub repository🟩⬜⬜2023freeGenerative AI for Beginners by Microsoft
Deep LearningYouTube playlist🟩🟩⬜2023free6.5940 TinyML and Efficient Deep Learning Computing by Massachusetts Institute of Technology
Natural Language ProcessingYouTube playlist🟩🟩⬜2023freeNatural Language Processing by The University of Texas at Austin
Deep Learningwebsite🟩⬜⬜2023freeDeep Learning Fundamentals - Learning Deep Learning Using a Modern Open-Source Stack by Sebastian Raschka
Large Language ModelsYouTube playlist🟩🟩⬜2023freeLLM Bootcamp - Spring 2023 by The Full Stack
PythonYouTube playlist🟩⬜⬜2023freeCS50: Introduction to Programming with Python by Harvard University x freeCodeCamp.org
Stable Diffusion and Deep Learningwebsite🟩🟩⬜2023freePractical Deep Learning for Coders part 2: Deep Learning Foundations to Stable Diffusion by fast.ai
Deep LearningYouTube playlist🟩⬜⬜2023free6.S191: Introduction to Deep Learning by Massachusetts Institute of Technology
Deep LearningYouTube playlist🟩⬜⬜2023freeNeural Networks: Zero to Hero by Andrej Karpathy
Large Language Models and Prompt Engineeringwebsite🟩⬜⬜2023freePrompt Engineering Guide by DAIR.AI
Computer VisionYouTube playlist🟩⬜⬜2023freeComputer Vision in Practice by Piotr Skalski x Roboflow
Natural Language ProcessingYouTube playlist🟩🟩⬜2023freeCS685: Advanced Natural Language Processing by University of Massachusetts
Machine LearningYouTube playlist🟩🟩⬜2022freeCS229: Machine Learning by Stanford University
MLOpsYouTube playlist🟩🟩⬜2022freeMachine Learning Engineering for Production by Andrew Y. Ng
Multimodal Machine LearningYouTube playlist🟩🟩🟩2022free11-777: Multimodal Machine Learning by Carnegie Mellon University
Deep Multi-Task and Meta LearningYouTube playlist🟩🟩🟩2022freeCS330 Deep Multi-Task and Meta Learning by Stanford University
Deep LearningYouTube playlist🟩⬜⬜2022freePractical Deep Learning for Coders by fast.ai
Natural Language ProcessingYouTube playlist🟩🟩⬜2021freeCS224U: Natural Language Understanding by Stanford University
TransformersYouTube playlist🟩🟩🟩2021freeCS25: Transformers United by Stanford University
Deep LearningYouTube playlist🟩🟩⬜2021freeNYU-DLSP21: NYU Deep Learning Spring by New York University
Natural Language Processing and Transformerswebsite🟩⬜⬜2021freeNLP Course by Hugging Face
Deep Learningbook🟩⬜⬜2021freeDive into Deep Learning by d2l.ai
Reinforcement LearningYouTube playlist🟩🟩🟩2021freeReinforcement Learning Course by DeepMind x University College London
Natural Language ProcessingYouTube playlist🟩🟩⬜2021freeCS224N: Natural Language Processing with Deep Learning by Stanford University
Deep LearningYouTube playlist🟩🟩⬜2020freeDeep Learning Lecture Series by DeepMind x University College London
Linear Algebrawebsite🟩🟩🟩2019freeAdvanced Linear Algebra - Foundations to Frontiers by Margaret E. Myers & Robert A. van de Geijn
Artificial IntelligenceYoutube playlist🟩🟩⬜2019freeStanford CS221: Artificial Intelligence: Principles and Techniques by Stanford University
Computer VisionYoutube playlist🟩🟩⬜2019freeUniversity of Michigan EECS 498.008 / 598.008: Deep Learning for Computer Vision by University of Michigan
Computer VisionYouTube playlist🟩🟩⬜2018freeCS231n: Deep Learning for Computer Vision by Stanford University
Statistics and ProbabilityYouTube playlist🟩⬜⬜2013freeStatistics 110: Probability by Harvard University

sábado, 30 de septiembre de 2023

Usando threading para la lectura de puertos seriales Raspberry Pi 3

la manera mas rápida es utilizando "PyMultiSerial Python Module", 

https://www.instructables.com/How-to-Monitor-Arduinos-Connected-to-Multiple-Port/



no obstante no te otorga la flexibilidad que brinda pyserial

en el siguiente hilo se muestra la manera de realizar threading para solucionar el problema de lectura de datos de 2 puertos seriales:
https://stackoverflow.com/questions/38861980/attempting-to-read-from-two-serial-ports-at-once



miércoles, 28 de septiembre de 2022

Instalando OPENCV en Raspberry Pi

Comentar antes:

Tengo una instalación limpia del Raspberry OS, sin ninguna librería instalada

Utilizo Raspberry pi 3

Controlo / manejo el Raspberry a través del VNC Viewer y con SSH a través de Putty.

fecha de instalación: 29/09/2022



EMPEZAMOS:

df -h

sudo apt-get update && sudo apt-get upgrade

sudo apt-get install python3-pip python3-virtualenv

CREANDO AMBIENTE VIRTUAL

lo alojare en una carpeta llamada Proyecto


nos posicionamos en la carpeta donde realizaremos el proyecto y ahí creamos el ambiente virtual y lo activamos:

conda create -n GUIS

activate GUIS


INSTALANDO PRE-REQUISITOS para el OPENCV

sudo apt install -y build-essential cmake pkg-config libjpeg-dev libtiff5-dev libpng-dev libavcodec-dev libavformat-dev libswscale-dev libv4l-dev libxvidcore-dev libx264-dev libfontconfig1-dev libcairo2-dev libgdk-pixbuf2.0-dev libpango1.0-dev libgtk2.0-dev libgtk-3-dev libatlas-base-dev gfortran libhdf5-dev libhdf5-serial-dev libhdf5-103 libqt5gui5 libqt5webkit5 libqt5test5 python3-pyqt5 python3-dev

INSTALAMOS OPENCV

hay dos maneras, la completa con todos los módulos

pip install opencv-contrib-python

y la de solo los paquetes principales

pip install opencv-python


Prueba de OPENCV

python

import cv2

cv2.__version__

Configuración inicial del raspberry pi, SSH, VNC Viewer

 Después de haber instalado el BOOT a la memoria, empezamos con las primeras configuraciones utilizando SSH


Controlamos por SSH el Raspberry, en mi caso el Router esta con DHCP , razón por la cual debo buscar que IP tiene asignada la Raspberry conectada con cable a mi RED local. Para esto utilizo IP Scanner


se observa que 192.168.0.110 es la IP ACTIVA donde tengo conectada la Raspberry, ingreso con ssh utilizando Putty (también se puede por cmd: ssh pi@192.168.0.110)



ya con el promt, habilitamos el VNC para el control remoto de la raspberry 

sudo raspi-config

nos aparece la siguiente ventana donde debemos de habilitar el VNC




Para poder controlar de manera remota el Raspberry, descargo VNC VIEWER para Windows del siguiente enlace https://www.realvnc.com/en/connect/download/viewer/ 

abrimos el VNC VIEWER, ahí: archivo/nueva conexión 



y damos la IP del Raspberry, nos pedirá el usuario y contraseña y podemos finalmente ingresar con el VNC

Finalmente ya tenemos el sistema de manera remota que lo podemos controlar



El siguiente POST hemos de instalar ambiente Virtual y OPENCV al Raspberry

instalar RASPBERRY OS, versión Debian Bullseye

fecha de instalación: 28/09/2022. Coloco la fecha ya que suele cambiar la instalación de una versión a otra. 

Utilizo la herramienta Raspberry Pi Imager, que descargo del siguiente link 

https://www.raspberrypi.com/software/ 

INSTALACION EN IMAGENES 

PASO 1


PASO 2 : selecciono la versión que interesa

PASO 3: selecciono el microSD en el cual cargaremos el sistema

PASO 4: configuro antes de instalar (click en la tuerca)
HABILITO LA CASILLA SSH para poder controlar remotamente el Raspberry
coloco un usuario y contraseña

PASO 5: finalmente después de configurar, empezamos a grabar la memoria

PASO 6: terminada la instalación, sacar la memoria colocar al raspberry y colocarlo a la red (con cable) para controlarlo remotamente

EL EL SIGUIENTE POST EMPEZAREMOS LAS PRIMERAS CONFIGURACIONES

lunes, 31 de enero de 2022

WebScraping ScieloBO p1

previo

UPDATE CONDA

conda update -n base -c defaults conda

CREATE ENVIRONMENT

conda create -n scieloBO

activate scieloBO

INSTALL REQUIREMENTS

conda install -c anaconda jupyter

conda install -c anaconda requests

conda install -c anaconda beautifulsoup4

conda install -c anaconda urllib3




nota 1: 

d:

cd scraping

conda info --envs  #listar environments

activate scieloBO

jupyter notebook

deactivate


nota 2: 

d:

cd scraping/selenium

conda info --envs  #listar environments

activate scielo

jupyter notebook








miércoles, 29 de septiembre de 2021

TEnsorflow + pytorch con GPU en anaconda

 


INSTALACIÓN TENSORFLOW CON GPU FÁCIL Y RÁPIDO

1. Identificar tarjeta gráfica e instalar drivers (opcional)

2. Instalar anaconda o miniconda (cualquier version

3. Preparación del entorno con GPU (instalando tensorflow, keras y pytroch), en el prompt de anaconda
$ conda update --all
$ python -m pip install --upgrade pip
$ conda update pip
$ conda create -n entornoGPU anaconda python=3.7.7
$ conda activate entornoGPU
$ conda install ipykernel
$ python -m ipykernel install --user --name entornoGPU --display-name "entornoGPU"
$ conda install tensorflow-gpu==2.1.0 cudatoolkit=10.1
$ pip install tensorflow==2.1.0
$ pip install jupyter
$ pip install keras==2.3.1
$ pip install numpy scipy Pillow cython matplotlib scikit-image opencv-python h5py imgaug IPython[all]
$ conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
4. Probar versión y gpu
$python
$import tensorflow as tf
$tf.__version__
$tf.test.gpu_device_name()

6. Probar en un ipynb
prueba de GPU y cpu



6. Probar entrenamiento
Ejecutar archivo MNISTEjmGPU.ipyng
abrimos el prompt y
d:
cd AI\proyecto0
conda activate entornoGPU
jupyter notebook

finalmente abrir el MNISTEjmGPU.ipyng y verificar el kernel





martes, 28 de septiembre de 2021

VScode + python + entorno virtual e instalación de paquetes

creación de virtual environment


Error


la solución utilizando powershell 


y con el regedit


SOLUCIONADO PARA ACCEDER A ENTORNO VIRTUAL E INSTALACION DE UN PAQUETE COMO MATPLOTLIB

INSTALAR LIBRERIAS

MATPLOTLIB  

pip install matplotlib

PANDAS y NUMPY

pip install pandas


martes, 2 de marzo de 2021

install Anaconda - Ubuntu

Resumo la instalación: 
1 descargar Anaconda para Linux
https://repo.anaconda.com/archive/Anaconda3-2020.11-Linux-x86_64.sh 

2 Verificar la dirección de descarga
por terminal se puede ver igual
cd /home/americo/Descargas
ls


3 ingresar al bash 
bash Anaconda3-2020.11-Linux-x86_64.sh

4 aceptar las licencias y la ruta de install
yes





NOTA: Para fines de Verificar
en la ruta donde se instalo Anaconda
source ~/.bashrc 
conda info



To update Anaconda on Ubuntu, start by updating the conda utility:
conda update conda
Next, run the Anaconda package update command:
conda update anaconda
NOTA2:
Prueba del notebook jupyter


sábado, 24 de octubre de 2020

AX-platform

Para instalar el paquete AX-platform en anaconda ( windows10 x64)


1- Deben de contar antes con una ultima distro de Microsoft Visual C++

https://support.microsoft.com/es-bo/help/2977003/the-latest-supported-visual-c-downloads

2- Posterior en el promt de anaconda

conda create -n ambiente_a python=3.7 
activate ambiente_a 
conda install -c pytorch pytorch

### también se puede con: conda install pytorch torchvision cudatoolkit=10.2 -c pytorch si tienes GPU 

pip install botorch jinja2 pandas scipy sklearn plotly 
pip install ax-platform

y listo, agradecer la ayuda de Anaya Antonio por la ayuda en utilizar los environment de anaconda

nota: no olvidar un upgrade al anaconda y al pip

pagina de ax-platform -> https://pypi.org/project/ax-platform/

jueves, 30 de julio de 2020

Error en una Multiplicacion SIMPLE de Matrices Numpy Python

Tropecé muchas veces con este error, que aunque parezca sencillo para muchos(casi todos), para mi fue gran dolor de cabeza y tuve que realizar programación cruda para realizar, 

El problema es el siguiente: tengo dos matrices A y B de diferente tamaño:

A.shape : (7,3)
B.shape : (4,2)

y solo quiero multiplicar UNA COLUMNA -> A[:,0]; con UNA COLUMNA de B[0,:]   
entonces realizo el código python

A[:,0] @ B[0,:]

Según teoría de matrices esto debería ser posible, y dar como respuesta una matriz C de 7x2 de tamaño, ya que se cumpliría esta forma:
PERO!!!!!!!!!!!!!


ERROR EN DIMENSIONES..

y por este simple error programaba utilizando "for", método no eficiente cuando se trabaja con muchos datos, y la solución es tan trivial de poner simplemente un reshape(-1,1) y listo se elimina el problema de dimensiones, y verdad que sufrí muchas veces con este error MIO

martes, 28 de julio de 2020

Solución: instalación de librerías en Anaconda

Especifico para el problema:
Descripción:
Se intento instalar mediante el Prompt la librería de opencv 
conda install -c conda-forge opencv
obteniendo el error descrito en la imagen de arriba
Collecting package metadata (current_repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.
Solving environment: failed with repodata from current_repodata.json, will retry with next repodata source.
Collecting package metadata (repodata.json): done
Solving environment: failed with initial frozen solve. Retrying with flexible solve.

Esto al parecer sucedió por la versión de Windows10 x64, link de referencia aquí

Solución:

comando 1
conda create --name myenv

comando 2
conda activate myenv

Esto al parecer es una solución temporal que funciona
ahora si instala el opencv

Para evitar problemas con versiones nuevas sugiero instalar una version antigua:
lista de descarga de antiguas versiones: https://repo.anaconda.com/archive/

viernes, 5 de junio de 2020

RStudio en Anaconda - Primeras Pruebas



Primeras Pruebas

en el Prompt de anaconda:

conda install -c r r-essentials


ya se tendría R en Anaconda
abrimos el notebook

jupyter notebook

abrimos un nuevo R

realizamos un primer script en lenguaje R

p1<-matrix(c(1,1,1,1,1,1,1.6,22,33,15.5,43,40,851,1058,1357,816,1201,1115), ncol=3)
p2<-matrix(c(1,1,1,1,1,1,1.6,22,33,15.5,43,40,851,1058,1357,816,1201,1115), ncol=6, byrow=TRUE)
p1
p2
# Es el calculo de X''X (Xtranspuesta por X)
B=p2%*%p1
B
#valido para el ejemplo INVERSA DE INV(X''X)
C=solve(B)
C
p3<-matrix(c(193,172,113,230,91,125),ncol=1,byrow = TRUE)
p3
# calculo de X''Y
D<-p2%*%p3
D


R no tiene soporte hasta la fecha para Anaconda, y toda la integración al parecer es por proyectos externos para incluir "R" a Anaconda, no obstante la mayoría de los Scripts se ejecutan sin errores, la descarga de librerías de CRAN se lo realiza de manera usual con install.packages("xxxx")



La Versión de R que se descarga (6 junio 2020) en Conda es la 3.6.1, esto ocasiona algunos errores en algunas librerías que corren en versiones 3.6.3 o superiores, esto por que, actualmente se tiene la versión 4.0.1 de R para la descarga directa.

como observan en la siguiente imagen: el error por la versión no actualizada que maneja Conda



Suscribirse a: Entradas (Atom)