How play with tensor flow from zeo

1. diciembre 2010
Tensorflow
End to end
Example

2. Who am I
CDO ASPgems
Former President of Hispalinux (Spanish
LUG)
Author “La Pastilla Roja” first spanish book
about Free Software.

3. Menu
Que me he instalado.
Que uso además de tensorflow
Vamos a entrar en detalle con 3 ejemplos
de clasificación.
Mini introducción a tensorboard

4. Que me he instalado
Dockers, Dockers.
Por supuesto no he hecho una instalación de cero.

5. Que me he instalado
Dockers, Dockers.
Por supuesto no he hecho una instalación de cero.
¿no tenéis docker en vuestra ordenador?
Estáis tardando.

6. Docker oficial de tensoflow
He utilizado la versión oficial del docker del equipo
de tensorflow
Si hacéis un:
docker search tensorflow/tensorflow veréis que
hay unas cuantas.

7. Como encontrarlo
~/Desktop/proyectos/tensorflow ᐅ docker search tensorflow/tensorflow
NAME DESCRIPTION STARS OFFICIAL
AUTOMATED
tensorflow/tensorflow Official docker images for deep learning f... 37
xblaster/tensorflow-jupyter Dockerized Jupyter with tensorflow 18
. . . .

8. Como nos lo bajamos
Nos instalamos la imagen:
~/Desktop/proyectos/tensorflow ᐅ docker pull tensorflow/tensorflow

9. Razones para usar el
docker
¿Por qué me he instalado un docker con
tensorflow en vez de una instalación desde cero?
La principal razón es para ganar tiempo.
Todo funciona bien desde el primer momento.
Siempre hay un docker que hace lo que justo
buscabas.
La última y no menos importante es por que
con la edad, cada vez más optimizo esfuerzos.

10. Como lo ejecutamos
Start CPU only container
$ docker run -it -p 8888:8888 -p 6006:6006 -v
—name tensorflow /opt/ejemplos:/Notebooks/
ejemplos tensorflow/tensorflow
Start /run_jupyter.sh inside the container.
Go to your browser on http://localhost:8888/

11. Los ejemplos
Hay bastantes ejemplos en internet de tensorflow.
A mi me ha gustado especialmente este post de
@jasonbaldridge.
https://goo.gl/DZ1jLW
https://bcomposes.wordpress.com/2015/11/26/
simple-end-to-end-tensorflow-examples/

12. Los Datos
Tres juegos datos sintéticos
Los programas en R que los han generados están
disponibles

13. Datos Linear

14. Datos “lunares”

15. Datos “Saturno”

16. Formato de los datos
Es un formato CSV sin cabeceras.
1,0.638465839375771,0.59044662666132
0,0.431591142988843,0.0470830726734468
0,0.207774186228136,0.0819718701225306
1,0.74160948940248,0.48471276227826
1,0.953514363329195,0.639625829881579
1,0.642944532413742,0.561453314573865

17. El código y los datos
Están disponibles en el github de Jason:
https://github.com/jasonbaldridge/try-tf

18. Formato de los datos
Es un formato CSV sin cabeceras.
1,0.638465839375771,0.59044662666132
0,0.431591142988843,0.0470830726734468
0,0.207774186228136,0.0819718701225306
1,0.74160948940248,0.48471276227826
1,0.953514363329195,0.639625829881579
1,0.642944532413742,0.561453314573865

19. Primer ejemplo
Van bien para este tipo
de datos: perceptrons,
regresiones logisticas,
SVM.
Vamos a utilizar una
regresión de tipo
softmax.

20. Primer ejemplo
Como ejecutarlo:
$ python softmax.py --train simdata/
linear_data_train.csv --test simdata/
linear_data_eval.csv --num_epochs 1 --verbose
True

21. Primer ejemplo
Intuitivamente:
Wx + b = 0
w1*x + w2*y + b = 0
w2*y = -w1*x – b
y = (-w1/w2)*x – b/w2
Es una linea:
y = -0.8360504*x + 0.7031074

22. Primer ejemplo

23. Primer ejemplo
python softmax.py --train simdata/
moon_data_train.csv --test simdata/
moon_data_eval.csv --num_epochs 2
Accuracy: 0.856
$ python softmax.py --train simdata/
saturn_data_train.csv --test simdata/
saturn_data_eval.csv --num_epochs 2
Accuracy: 0.45

24. Segundo ejemplo
Si probamos con el código del primer ejemplo,
los resultados no son nada buenos y tiene todo el
sentido.

25. Segundo ejemplo
python softmax.py --train simdata/
moon_data_train.csv --test simdata/
moon_data_eval.csv --num_epochs 2
Accuracy: 0.856
$ python softmax.py --train simdata/
saturn_data_train.csv --test simdata/
saturn_data_eval.csv --num_epochs 2
Accuracy: 0.45

26. Segundo ejemplo
Ahora vamos a trabajar con un RNN.
Veamos el código:

27. Tercer Ejemplo

28. Conclusiones
Tensorflow es un framework muy potente
Con la 0.8 se libera la versión distribuida
Ejecutando estos ejemplos se ve la importancia de
la inicialización de los valores iniciales.
Tensorboard se convierte en una herramienta
clave en el desarrollo con tensorflow

29. Preguntas*
* (Esta charla tiene garantía de por vida. Si ahora no quieres preguntar puedes
hacerlo en cualquier otro momento, eso si mientras que el autor siga vivo)

30. diciembre 2010
Thank you
Juantomás García
juantomas@aspgems.com
@juantomas