Comenzando

Vamos a prepararnos para comenzar con TensorFlow!

Pero antes de comenzar, echemos un vistazo a como se ve el código de TensorFlow con la API de Python, para que tengas una idea hacia adonde vamos.

Aquí tenemos un pequeño programa en Python que representa algunos datos en dos dimensiones, con los cuales calcularemos la línea con el mejor ajuste.

import tensorflow as tf
import numpy as np

# Crear 100 puntos falsos x, y  en NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

# Tratar de encontrar valores para W y b que puedan calcular y_data = W * x_data + b

# (Sabemos que W debe de ser 0.1 y b 0.3, pero Tensorflow intentará descubrirlo por nosotros.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

# Minimizar los errores de la media cuadrática.

loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Antes de comenzar, inicializar las variables. 'Corramos' esto primero.

init = tf.initialize_all_variables()

# Lanzamos el grafo
sess = tf.Session()
sess.run(init)

# Ajuste de línea.
for step in xrange(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# Aprende que el mejor ajuste es W: [0.1], b: [0.3]

La primera parte de este código crea un grafo de flujo de datos. TensorFlow no ejecuta ningún cómputo hasta que se crea la sesión y la función run es llamada.

Para alimentar aún mas nuestro apetito, te sugerimos que revises como luce un problema clásico de machine learning en TensorFlow. En la tierra de las redes neuronales el problema clásico más "clásico" es la clasificación de dígitos escritos a mano MNIST. Ofrecemos dos introducciones aquí, una para los novatos en machine learning, y otra para profesionales. Si ya has entrenado docenas de modelos MNIST en otros paquetes de software, por favor toma la píldora roja. Si nunca has escuchado acerca de MNIST, definitivamente toma la píldora azul. Pero si consideras ser un punto intermedio se sugerimos probar primero la azul y después la roja.

Si ya estas seguro que deseas aprender e instalar TensorFlow puedes saltarte esto y seguir adelante. No te preocupes, aún asi tendrás oportunidad de ver MNIST -- también usaremos MNIST como ejemplo en un tutorial técnico en donde desarrollaremos las características de TensorFlow.

Siguientes pasos recomendados

• Descarga e instalación
• Uso básico
• 101 Mecánicas de TensorFlow
• Jugar con TensorFlow en tu navegador