Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Uso de la AMI de aprendizaje profundo con Conda
<a name="tutorial-conda"></a>

**Topics**
+ [Introducción a la AMI de aprendizaje profundo con Conda](#tutorial-conda-overview)
+ [Inicio de sesión en su DLAMI](#tutorial-conda-login)
+ [Inicie el TensorFlow entorno](#tutorial-conda-switch-tf)
+ [Cambie al entorno PyTorch Python 3](#tutorial-conda-switch-pytorch)
+ [Eliminación de entornos](#tutorial-conda-remove-env)

## Introducción a la AMI de aprendizaje profundo con Conda
<a name="tutorial-conda-overview"></a>

Conda es un sistema de código abierto para la administración de paquetes y del entorno que se ejecuta en Windows, macOS y Linux. Conda instala, ejecuta y actualiza rápidamente paquetes y sus dependencias. Conda le permite crear, guardar y cargar entornos en el equipo local, así como alternar entre ellos, con suma facilidad.

La AMI de aprendizaje profundo con Conda se ha configurado de forma que se pueda alternar fácilmente entre los entornos de aprendizaje profundo. Las siguientes instrucciones le orientan acerca de algunos comandos básicos con `conda`. También le ayudan a verificar que la importación básica del marco de trabajo funciona correctamente, y que puede ejecutar un par de operaciones sencillas con este. Luego puede pasar a tutoriales más exhaustivos incluidos con la DLAMI o a los ejemplos de marcos de trabajo que puede encontrar en el sitio del proyecto de cada uno de los marcos de trabajo.

## Inicio de sesión en su DLAMI
<a name="tutorial-conda-login"></a>

Después de iniciar sesión en el servidor, verá un “mensaje del día” (MOTD) del servidor que describe varios comandos de Conda que puede utilizar para alternar entre los distintos marcos de trabajo de aprendizaje profundo. A continuación se muestra un MOTD de ejemplo. Su MOTD (mensaje del día) específico puede variar a medida que se publican nuevas versiones de la DLAMI.

```
=============================================================================
        AMI Name: Deep Learning OSS Nvidia Driver AMI (Amazon Linux 2) Version 77
        Supported EC2 instances: G4dn, G5, G6, Gr6, P4d, P4de, P5
            * To activate pre-built tensorflow environment, run: 'source activate tensorflow2_p310'
            * To activate pre-built pytorch environment, run: 'source activate pytorch_p310'
            * To activate pre-built python3 environment, run: 'source activate python3'

        NVIDIA driver version: 535.161.08

    CUDA versions available: cuda-11.7 cuda-11.8 cuda-12.0 cuda-12.1 cuda-12.2

    Default CUDA version is 12.1

    Release notes: https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html
    AWS Deep Learning AMI Homepage: https://aws.amazon.com/machine-learning/amis/
    Developer Guide and Release Notes: https://docs.aws.amazon.com/dlami/latest/devguide/what-is-dlami.html
    Support: https://forums.aws.amazon.com/forum.jspa?forumID=263
    For a fully managed experience, check out Amazon SageMaker at https://aws.amazon.com/sagemaker
    =============================================================================
```

## Inicie el TensorFlow entorno
<a name="tutorial-conda-switch-tf"></a>

**nota**  
Cuando lance su primer entorno Conda, tenga paciencia mientras se carga. La AMI de aprendizaje profundo con Conda instala automáticamente la versión más optimizada del marco de trabajo para su instancia EC2 tras la primera activación del marco de trabajo. No debe esperar retrasos posteriores.

1. Active el entorno TensorFlow virtual para Python 3.

   ```
   $ source activate tensorflow2_p310
   ```

1. Inicie el terminal de iPython.

   ```
   (tensorflow2_p310)$ ipython
   ```

1. Ejecute un TensorFlow programa rápido.

   ```
   import tensorflow as tf
   hello = tf.constant('Hello, TensorFlow!')
   sess = tf.Session()
   print(sess.run(hello))
   ```

Debería aparecer "Hello, Tensorflow\$1"

**Tema siguiente**  
[Ejecución de los tutoriales del cuaderno de Jupyter](tutorial-jupyter.md)

## Cambie al entorno PyTorch Python 3
<a name="tutorial-conda-switch-pytorch"></a>

Si sigue en la consola de iPython, utilice `quit()` y prepárese para cambiar de entorno.
+ Active el entorno PyTorch virtual para Python 3.

  ```
  $ source activate pytorch_p310
  ```

### Pruebe algún PyTorch código
<a name="tutorial-conda-test-pytorch"></a>

Para probar la instalación, utilice Python para escribir PyTorch código que cree e imprima una matriz.

1. Inicie el terminal de iPython.

   ```
   (pytorch_p310)$ ipython
   ```

1. Importar PyTorch.

   ```
   import torch
   ```

   Es posible que vea un mensaje de advertencia sobre un paquete de terceros. Puede omitirlo.

1. Cree una matriz de 5x3 con los elementos inicializados de forma aleatoria. Imprima la matriz.

   ```
   x = torch.rand(5, 3)
   print(x)
   ```

   Verifique el resultado.

   ```
   tensor([[0.3105, 0.5983, 0.5410],
           [0.0234, 0.0934, 0.0371],
           [0.9740, 0.1439, 0.3107],
           [0.6461, 0.9035, 0.5715],
           [0.4401, 0.7990, 0.8913]])
   ```

## Eliminación de entornos
<a name="tutorial-conda-remove-env"></a>

Nota: Si se queda sin espacio en la DLAMI, puede desinstalar los paquetes de Conda que no utilice:

```
conda env list
conda env remove –-name <env_name>
```