Quan es considera la versió òptima de Python per instal·lar TensorFlow, especialment per utilitzar estimadors senzills i senzills, és essencial alinear la versió de Python amb els requisits de compatibilitat de TensorFlow per garantir un bon funcionament i evitar qualsevol problema potencial relacionat amb distribucions de TensorFlow no disponibles. L'elecció de la versió de Python és important ja que TensorFlow, com moltes altres biblioteques d'aprenentatge automàtic, té dependències específiques i restriccions de compatibilitat que s'han de complir per obtenir un rendiment i una funcionalitat òptims.
TensorFlow és una plataforma de codi obert molt flexible i potent per a l'aprenentatge automàtic desenvolupada per l'equip de Google Brain. S'utilitza àmpliament tant amb finalitats d'investigació com de producció, i ofereix una àmplia gamma d'eines i biblioteques que faciliten el desenvolupament i el desplegament de models d'aprenentatge automàtic. La plataforma admet diversos algorismes d'aprenentatge automàtic i és especialment coneguda per la seva capacitat per gestionar models d'aprenentatge profund. Tanmateix, la complexitat i la sofisticació de TensorFlow vénen amb la necessitat d'una gestió acurada de les dependències del programari, una de les quals és la versió de Python que s'utilitza.
Actualment TensorFlow 2.x és la sèrie de llançament important més actual. TensorFlow 2.x va aportar millores significatives respecte al seu predecessor, TensorFlow 1.x, inclosa una API més intuïtiva i fàcil d'utilitzar, una execució amb ganes per defecte i una millor integració amb l'API Keras, que ara és l'API d'alt nivell de TensorFlow. Aquests canvis fan que TensorFlow 2.x sigui especialment adequat per a principiants i aquells que volen treballar amb estimadors senzills, ja que simplifica el procés de creació i formació de models.
Quan seleccioneu la versió de Python per a TensorFlow 2.x, és important tenir en compte la matriu de compatibilitat proporcionada pels desenvolupadors de TensorFlow. A partir de TensorFlow 2.16, que és una de les últimes versions, les versions de Python oficialment compatibles són Python 3.7, 3.8, 3.9, 3.10, 3.11, 3.12. És recomanable utilitzar una d'aquestes versions per garantir la compatibilitat i evitar problemes relacionats amb distribucions no disponibles.
3.8 Python sovint es recomana com una opció excel·lent per diversos motius. En primer lloc, Python 3.8 és una versió molt estable que s'ha adoptat i provat àmpliament en diverses plataformes i entorns. Aquesta versió ofereix un bon equilibri entre les funcions modernes i l'estabilitat, la qual cosa la converteix en una opció fiable per a projectes d'aprenentatge automàtic. A més, Python 3.8 inclou diverses millores de rendiment i noves funcions que poden ser beneficioses quan es treballa amb marcs d'aprenentatge automàtic com TensorFlow.
Per exemple, Python 3.8 va introduir l'"operador de morsa" (:=), que permet expressions d'assignació. Aquesta característica pot ser especialment útil per escriure codi més concís i llegible, que sovint és un tret desitjable en els scripts d'aprenentatge automàtic on la claredat i el manteniment són importants. A més, les millores a la biblioteca de multiprocessament i l'addició de nous mòduls i funcions milloren encara més el rendiment i la usabilitat de Python 3.8.
Un altre motiu per triar Python 3.8 és el seu ampli suport de la comunitat i la disponibilitat de biblioteques de tercers. Moltes biblioteques i marcs que s'utilitzen habitualment juntament amb TensorFlow, com NumPy, Pandas i Matplotlib, són totalment compatibles amb Python 3.8, cosa que garanteix que podeu aprofitar tot l'ecosistema de Python per als vostres projectes d'aprenentatge automàtic.
Per instal·lar TensorFlow amb Python 3.8, es recomana utilitzar un entorn virtual. Aquest enfocament ajuda a gestionar les dependències i evitar conflictes amb altres projectes Python del vostre sistema. Els passos següents descriuen el procés de configuració d'un entorn virtual i instal·lació de TensorFlow:
1. Instal·leu Python 3.8: Assegureu-vos que Python 3.8 estigui instal·lat al vostre sistema. Podeu descarregar-lo des del lloc web oficial de Python o utilitzar un gestor de paquets com `apt` a Ubuntu o `brew` a macOS.
2. Crear un entorn virtual: Utilitzeu el mòdul `venv` per crear un entorn virtual. Obriu un terminal i executeu les ordres següents:
bash python3.8 -m venv tensorflow_env
Aquesta ordre crearà un directori nou anomenat `tensorflow_env` que conté un entorn Python autònom.
3. Activa l'entorn virtual: Abans d'instal·lar TensorFlow, activeu l'entorn virtual:
- A Windows:
bash .\tensorflow_env\Scripts\activate
– En macOS i Linux:
bash source tensorflow_env/bin/activate
4. Instal·leu TensorFlow: Amb l'entorn virtual activat, instal·leu TensorFlow utilitzant `pip`:
bash pip install tensorflow
Aquesta ordre instal·larà la darrera versió de TensorFlow compatible amb la vostra versió de Python.
5. Verifiqueu la instal·lació: Per assegurar-vos que TensorFlow està instal·lat correctament, podeu executar un script senzill per comprovar la versió:
python import tensorflow as tf print(tf.__version__)
Si TensorFlow està instal·lat correctament, aquest script imprimirà el número de versió de TensorFlow.
Seguint aquests passos, podeu configurar un entorn de desenvolupament adequat per experimentar amb estimadors senzills i senzills a TensorFlow. Aquesta configuració us ajudarà a evitar problemes relacionats amb versions de Python incompatibles o distribucions de TensorFlow no disponibles.
També val la pena assenyalar que si bé Python 3.8 és una versió recomanada, Python 3.9, 3.10, 3.11 i fins i tot 3.12 també són opcions viables si necessiteu funcions específiques per a aquestes versions. Tanmateix, generalment és recomanable evitar l'ús de versions que no són compatibles oficialment amb TensorFlow, ja que això pot provocar problemes de compatibilitat i comportaments inesperats.
Actualment (a gener de 2025) TensorFlow no ofereix oficialment paquets (rodes) per a Python 3.13 a PyPI.
Es poden comprovar els requisits del paquet TensorFlow a PyPI: https://pypi.org/project/tensorflow/
TensorFlow normalment es queda una mica endarrerit amb les noves versions de Python perquè s'ha de crear/provar a cada versió. A partir de gener de 2025, les darreres versions de TensorFlow solen suportar Python 3.7 a 3.12 i no 3.13.
Per exemple missatges d'error:
ERROR: No s'ha pogut trobar una versió que compleixi el requisit tensorflow
ERROR: no s'ha trobat cap distribució coincident per a tensorflow
significa que PyPI no té rodes TensorFlow que coincideixin amb Python 3.13 a Windows 10.
Per corregir aquest tipus d'errors:
Opció A: instal·leu una versió de Python compatible
Instal·leu Python 3.11 (o 3.12) al vostre sistema.
TensorFlow 2.x oficial admet aquestes versions a Windows.
Recreeu/verifiqueu el vostre PATH perquè la vostra comanda Python predeterminada apunti a la versió nova compatible.
O millor encara, utilitzeu un entorn virtual o un entorn conda.
Instal·leu TensorFlow:
pip install --upgrade pip pip install tensorflow
Confirmeu executant:
python -c "import tensorflow as tf; print(tf.__version__)"
Opció B: Utilitzeu l'entorn Conda
Si teniu Anaconda o Miniconda (si no, podeu instal·lar-los fàcilment):
Creeu un entorn nou amb Python 3.11 o 3.12:
conda create -n tf_env python=3.11 conda activate tf_env
Instal·leu TensorFlow (versió de CPU):
pip install tensorflow
or
conda install -c conda-forge tensorflow
Prova-ho:
python -c "import tensorflow as tf; print(tf.__version__)"
Tingueu en compte que a partir de gener de 2025 encara no hi ha suport oficial de rodes de TensorFlow per a Python 3.13 a PyPI.
Per tant, heu d'utilitzar una versió de Python compatible (3.7–3.12) o un entorn conda configurat en Python <= 3.12. Això us permetrà instal·lar tensorflow amb èxit. Un cop tingueu una versió de Python compatible, hauríeu de poder instal·lar TensorFlow sense errors. La selecció de la versió de Python adequada és un pas crític per configurar un entorn d'aprenentatge automàtic amb TensorFlow. Python 3.8 destaca com una opció robusta per la seva compatibilitat, estabilitat i la riquesa de funcions que ofereix. En alinear la vostra versió de Python amb els requisits de TensorFlow, podeu garantir una experiència de desenvolupament més fluida i centrar-vos a crear i entrenar els vostres models d'aprenentatge automàtic mitjançant estimadors senzills i senzills.
Altres preguntes i respostes recents sobre EITC/AI/GCML Google Cloud Machine Learning:
- Quin és el llenguatge de programació per a l'aprenentatge automàtic és Just Python
- Com s'aplica l'aprenentatge automàtic al món de la ciència?
- Com decidiu quin algorisme d'aprenentatge automàtic utilitzareu i com el trobeu?
- Quines diferències hi ha entre l'aprenentatge federat, la informàtica perifèrica i l'aprenentatge automàtic al dispositiu?
- Com preparar i netejar les dades abans de l'entrenament?
- Quines són les tasques i activitats inicials específiques en un projecte d'aprenentatge automàtic?
- Quines són les regles generals per adoptar una estratègia i un model d'aprenentatge automàtic específics?
- Quins paràmetres indiquen que és hora de canviar d'un model lineal a un aprenentatge profund?
- Què és una xarxa neuronal profunda?
- Quant de temps es triga normalment a aprendre els conceptes bàsics de l'aprenentatge automàtic?
Consulta més preguntes i respostes a EITC/AI/GCML Google Cloud Machine Learning