En el artículo anterior, cubrimos los conceptos básicos de la IA y cómo encaja en el mundo de Linux. Ahora es el momento de profundizar y configurar su sistema Linux para comenzar a construir su primer modelo de IA.
Ya sea que sea un completo principiante o tenga algo de experiencia, esta guía lo guiará en la instalación de las herramientas básicas que necesita para comenzar con un sistema basado en Debian.
Requisitos del sistema para Ubuntu 24.04
Antes de comenzar, asegurémonos de que su sistema cumpla con los requisitos mínimos para el desarrollo de IA.
- Sistema operativo: Ubuntu 24.04 LTS (o superior).
- procesador: CPU de 64 bits con al menos 2 núcleos (núcleo i5 o AMD Ryzen 5 o mejor recomendado para un rendimiento fluido).
- memoria: Al menos 4 GB de RAM (se recomiendan 8 GB o más para modelos de IA más intensivos).
- almacenamiento: Al menos 10 GB de espacio disponible en disco (se recomienda SSD para un rendimiento más rápido).
- Tarjeta gráfica (opcional): GPU dedicada (Nvidia Recomendado para aprendizaje profundo) al menos 4 GB Memoria de vídeo Si planea utilizar un marco como TensorFlow o antorcha Con aceleración GPU.
Paso 1: instale Python en Ubuntu
Pitón Es el lenguaje de programación más popular para el desarrollo de inteligencia artificial debido a su simplicidad, potencia y amplia biblioteca de herramientas y marcos.
La mayoría de los sistemas Linux vienen con Pitón Viene preinstalado, pero asegúrese de tener la última versión. si Pitón instalado, verás algo como Python 3.x.x.
python3 --version
si Pitón Aún no está instalado, puedes instalarlo fácilmente usando el administrador de paquetes.
sudo apt update sudo apt install python3
A continuación, debe instalar pip (administrador de paquetes de Python), que lo ayudará a instalar y administrar las bibliotecas de Python.
sudo apt install python3-pip
Paso 2: instale Git en Ubuntu
Git es una herramienta de control de versiones que le permite realizar un seguimiento de los cambios en su código y colaborar con otros, lo cual es crucial para el desarrollo de la IA, ya que muchos proyectos de IA se comparten en plataformas como GitHub.
sudo apt install git
Verifique la instalación escribiendo:
git --version
Deberías ver algo como git version 2.x.x.
Paso 3: configurar un entorno virtual en Ubuntu
Los entornos virtuales le ayudan a gestionar proyectos y sus dependencias de forma independiente, lo que significa que puede trabajar en varios proyectos sin preocuparse por conflictos entre diferentes bibliotecas.
Primero, asegúrese de tener python3-venv Paquetes de software instalados necesarios para crear entornos virtuales.
sudo apt install python3-venv
A continuación, debe crear un nuevo directorio para su proyecto y configurar el entorno virtual:
mkdir my_ai_project cd my_ai_project python3 -m venv venv source venv/bin/activate
Después de ejecutar el comando anterior, el indicador de su terminal debería cambiar para indicar que ahora se encuentra en un entorno virtual.
Paso 4: instale la biblioteca AI en Ubuntu
ahora tienes Pitón, Git, y entorno virtual Una vez completada la configuración, es hora de instalar bibliotecas que le ayudarán a crear modelos de IA.
Algunas de las bibliotecas de inteligencia artificial más populares son TensorFlow, Karasy antorcha.
Instalar TensorFlow en Ubuntu
TensorFlow es una biblioteca de código abierto desarrollada por Google Ampliamente utilizado en proyectos de aprendizaje automático e inteligencia artificial.
pip3 install tensorflow
Instalar Keras en Ubuntu
Karas Es una API de red neuronal de alto nivel escrita en Python y se ejecuta en TensorFlow.
pip3 install keras
Instalar PyTorch en Ubuntu
antorcha es otra biblioteca de inteligencia artificial popular, especialmente para el aprendizaje profundo.
pip3 install torch
Paso 5: construye tu primer modelo de IA
Ahora que su sistema está listo, creemos un modelo de IA simple llamado red neuronal usar TensorFlow y Karas Clasificar números escritos a mano famosos MNIST conjunto de datos.
Crea un nuevo archivo Python llamado first_ai_model.py y ábrelo en tu editor de texto favorito.
sudo nano first_ai_model.py
En la parte superior del archivo, agregue las siguientes importaciones para importar las bibliotecas necesarias:
import tensorflow as tf from tensorflow.keras import layers, models
A continuación, cargue MNIST Un conjunto de datos que contiene 60.000 imágenes de dígitos escritos a mano (0-9) para entrenar nuestro modelo.
(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.mnist.load_data()
Los datos se preprocesan para normalizar la imagen a un valor entre 0 y 1 dividiéndola por 255.
train_images, test_images = train_images / 255.0, test_images / 255.0
Construya el modelo creando una red neuronal simple con una capa oculta.
model = models.Sequential([
layers.Flatten(input_shape=(28, 28)),
layers.Dense(128, activation='relu'),
layers.Dense(10)
])
Compile el modelo especificando el optimizador, la función de pérdida y las métricas de evaluación.
model.compile(optimizer="adam",
loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True),
metrics=['accuracy'])
Utilice los datos de entrenamiento para entrenar el modelo.
model.fit(train_images, train_labels, epochs=5)
Finalmente, pruebe el modelo con los datos de prueba para ver cómo funciona.
test_loss, test_acc = model.evaluate(test_images, test_labels)
print('Test accuracy:', test_acc)
Paso 6: ejecuta el modelo de IA
Después de escribir el código, guarde el archivo y ejecútelo en la terminal:
python3 first_ai_model.py
El modelo comenzará a entrenarse y, después de 5 épocas, se mostrará la precisión de la prueba. Cuanto mayor sea la precisión, mejor será el rendimiento del modelo.
¡Felicitaciones, acaba de crear su primer modelo de IA!
en conclusión
En esta guía, explicamos cómo configurar un sistema Linux para el desarrollo de IA mediante la instalación. Pitón, gitasí como las bibliotecas de inteligencia artificial necesarias, como TensorFlow, Karasy antorcha.
También construimos una red neuronal simple para clasificar dígitos escritos a mano. Armado con estas herramientas y conocimientos, ¡ahora puede explorar el apasionante mundo de la IA en Linux!
Estén atentos a más artículos de esta serie a medida que profundizamos en las técnicas de desarrollo de IA y exploramos temas más avanzados.
