El super loro

Imaginemos por un momento que tenemos el mejor loro del mundo. Un loro increíble, que es capaz de completar cualquier frase que le digamos. Solo sabe decir de a una palabra, no sabe construir frases. Tampoco es TAN increíble. Pero siempre sabe elegir super bien con qué palabra continuar la frase que le damos.

Por ejemplo, si le decimos "en Italia se come mucha...", nuestro super loro nos puede completar la frase diciendo "pasta!". O quizás "pizza!". A veces responde una, a veces la otra, ambas tienen sentido. Entre las mejores palabras que puedan completar esa frase con sentido, elige una al azar.

Para esa frase nunca nos va a decir "silla!" en vez, porque no tendría sentido. Siempre elige una palabra que complete bien la frase que le dimos.

Pero nuestro super loro no sabe qué es Italia, qué es una pizza, o qué es una silla. Después de todo, sigue siendo un simple loro.

Conversando

Como el loro solo sabe responder de a una palabra, pareciera que no podemos tener realmente una conversación con él. Pero es posible! Podemos usar un truco sencillo: ir acumulando palabras.

Por ejemplo, podemos decirle "¿Cómo se hace una pizza?". Y el loro nos va a responder con la palabra "Primero". Porque "primero" es una de las palabras que más sentido tiene que vengan después de lo que dijimos.

Y nosotros podemos entonces agregar esa nueva palabra a nuestra frase, y volver a darle al loro la frase de entrada, que ahora es un poquito más completa: "¿Cómo se hace una pizza? Primero". Y el loro nos va a responder "se".

Repetimos el proceso. Le decimos "Cómo se hace una pizza? Primero se". Y el loro nos va a responder "mezcla".

Imagino que ya se dieron cuenta de cómo sigue la historia.

Con este super loro podemos tener una "conversación". Podemos hacer que genere textos enteros incluso! El mecanismo es un poco molesto, todo se construye de a una palabra y nosotros tenemos que ir recopilando esas palabras y volviendo a dárselas al loro. Pero podemos tener una conversación! Puede construirnos una receta. O un poema. O explicarnos cómo se calcula la derivada de una función. O contarnos la historia de Harry Potter.

Con su habilidad de elegir "la palabra con más sentido después de lo que le dijimos", el loro tiene la capacidad de producir textos humanos de cualquier tipo.

Loros mecánicos

Las IAs que usamos hoy en día funcionan básicamente de esa misma manera. Son programas de computadora que toman un texto de entrada, y mediante una cantidad astronómica de operaciones matemáticas, determinan cuáles son las palabras más probables que podrían venir luego de ese texto. Y de entre ellas, elige una al azar (las mejores palabras para ese texto tienen más chances de ser elegidas).

Nosotros no nos damos cuenta, pero por detrás estos programas hacen este mismo proceso de "acumular palabras" que hicimos con el loro. Y de esa forma entonces, son capaces de producir respuestas coherentes, textos humanos completos. Conversaciones. Canciones. Explicaciones. Lo que tenga sentido luego de lo que dimos como entrada.

Y de igual manera que con el loro... tampoco "saben". Tampoco entienden. Solo están eligiendo palabras probables. No son más que un montón (muy muy grande) de operaciones matemáticas, que dado un texto de entrada producen una lista de probabilidades como salida.

Quizás sorprenda que estemos hablando de operaciones matemáticas con texto (las operaciones que la IA hace en base al texto de entrada para asignar probabilidades a las palabras de salida). Pero en realidad no es tan raro, es algo que en el mundo de la Ciencia de Datos se hace seguido. Hay muchas formas de expresar un texto como números, que luego una IA puede utilizar para operar matemáticamente. No vamos a profundizar en eso en este post, pero es un tema muy interesante!

Entrenando loros mecánicos

A esta altura alguien se puede preguntar: ¿cómo hacemos para crear un programa que dado un texto de entrada, determine qué palabras es más probable que vengan después? ¿Cómo hacemos para que esa gran función matemática que recibe un texto y produce una lista de probabilidades, funcione bien?

La respuesta es que lo hacemos mediante ejemplos. Muy similar a como aprende un loro real.

Comenzamos por bajarnos tooooooodos los textos de internet. Esto incluye desde publicaciones científicas hasta peleas sobre fútbol en Twitter. Le sumamos también tooodos los textos de tooooodos los libros que existen. No importa sin son libros de chistes o de física cuántica. Todos. También diarios, revistas, enciclopedias, etc. Cualquier fuente de textos humanos que podamos encontrar!

Y con esta biblioteca gigante de ejemplos de textos humanos, ahora comenzamos un proceso de "entrenamiento" de nuestra IA:

1. Buscamos un fragmento de texto al azar de nuestra biblioteca.

2. Le sacamos la última palabra. Por ejemplo, si el texto era "En Italia se come mucha pizza", le sacamos la palabra "pizza" y nos queda "En Italia se come mucha".

3. Le damos el resto del texto (sin la última palabra) como entrada a nuestra IA.

4. La IA nos da como respuesta las probabilidades de cada palabra que podría venir a continuación. Por ejemplo, nos dice "casa" tiene un 0.001%, "pizza" tiene un 28%, "silla" tiene un 0.0001%, etc. Al principio esto va a ser bastante al azar, va a estar eligiendo cualquier palabra.

5. Comparamos la respuesta de la IA con la palabra que le habíamos sacado al final del texto original. La palabra que nosotros sabemos que era la "correcta". Esa palabra, ¿qué tanta probabilidad tuvo en la respuesta de la IA? ¿La IA creía que era una buena elección o no?

6. Le damos feedback a la IA, para que ajuste sus operaciones y se acerque más al resultado esperado. Por ejemplo: si la palabra esperada era "pizza" pero la IA dijo que "pizza" era muy poco probable, le decimos que erró por mucho y que ajuste sus cálculos para que "pizza" sea más probable dado ese texto de entrada.

Tenemos que repetir este proceso literalmente trillones de veces. Con cada repetición, la IA va ajustando sus cálculos para que cada vez sea más probable que elija palabras con sentido.

Con una biblioteca lo suficientemente grande, y una cantidad suficiente de repeticiones, nuestro loro mecánico aprende a generar palabras que suenan como un humano hablando.

Y todo esto sin entender ni un gramo de lo que está diciendo!

Entran ejemplos, salen selecciones de palabras. Se recibe feedback, se ajustan los cálculos para que se parezcan más a lo esperado.

Magia!

Esta manera de construir IAs tiene un montón de ventajas, pero también tiene sus límites. Charlemos sobre algunos problemas que nos pueden interesar más como usuarios, y veamos qué podemos hacer para que no nos muerdan.

Solo algunos, porque esto ya se está haciendo largo :)

Sesgos y problemas de los textos de entrenamiento

Es muy común que atribuyamos a la IA una especie de "objetividad" que en realidad no tiene. La IA está produciendo palabras de forma que se parezcan a los textos que utilizamos para entrenarla. ¿Qué origen tienen estos textos? Son textos humanos!

Los humanos tenemos sesgos, prejuicios, opiniones, creencias, etc. Los humanos nos equivocamos todo el tiempo, y dejamos esas equivocaciones escritas de formas bien públicas: tweets, libros, artículos de noticias, etc.

Si la IA se entrena con esos textos humanos llenos de equivocaciones, puede aprender esos mismos sesgos y errores. Va a reproducirlos. Y cuanto más comunes sean estos sesgos en los textos de entrenamiento, más probable es que la IA los reproduzca.

Como dice una frase conocida en el ambiente: entra basura, sale basura. Si entrenamos con malos textos, la IA va a ser igual de mala.

Por ejemplo, si internet y los libros están llenos de sesgos y discriminación por género, la IA tranquilamente puede reproducir estos sesgos en sus respuestas. Y de hecho lo vemos.

Hay mucho trabajo de quienes construyen y entrenan estas IAs para intentar resolver este problema. Mucho esfuerzo en limpiar los textos de entrenamiento, y en ajustar la IA para que no reproduzca errores y problemas que conocemos. Pero es un trabajo difícil, y todavía falta mucho para considerarlo un problema resuelto.

Así que tenemos un primer aprendizaje importante: entendamos que solo porque lo dice una IA, no quiere decir que es correcto o lo mejor, tranquilamente puede estar imitando un sesgo o error humano.

Todavía hace falta nuestra mirada crítica.

Info falsa, y falta de ejemplos al entrenar

Como dijimos, es importante entender que la IA no entiende. No "sabe" lo que es una pizza, ni una silla, ni la física cuántica. Solo sabe elegir palabras que tienen sentido en el contexto de lo que le dimos como entrada.

Esto implica que puede generar textos que suenan muy bien, pero que no son ciertos! Y no solo eso, sino que la confiabilidad de la respuesta va a depender muchísimo de los textos que usamos para entrenar la IA originalmente.

Por ejemplo, imaginemos que le pregunto sobre el origen de una canción de un cantante super poco conocido, de la que casi no hay información en internet (ejemplo real que me pasó: Milonga de Gauna, de Jaime Ross). Qué va a responder la IA? Va a inventar algo! Va a generar una cadena de palabras que suenan bien, con "sentido", pero que son absolutamente falsas.

Ese es el caso más extremo, el peor: casi no existía información en la biblioteca de entrenamiento. La mayoría de las veces vamos a estar en una situación más intermedia: quizás había muchísimos textos en internet y libros sobre el tema, o quizás había bastantes, o quizás pocos. Y eso va a influenciar mucho qué tan confiable es la respuesta generada.

Y lo complicado es que no hay nada que nos diga cuánto podemos confiar. Cuando preguntamos, la IA no nos aclara cuánta info de entrenamiento tuvo sobre el tema. Está en nosotros saberlo y evaluar si la respuesta tiene sentido o no.

Segundo aprendizaje entonces: el nivel de confianza que le demos a la respuesta de la IA tiene que tener en cuenta cuánta info pública hay sobre el tema. Si es un tema poco conocido, o con mucha info incorrecta online, es más probable que la IA nos de una respuesta falsa.

La calidad de nuestro texto de entrada

Algo nada obvio pero también super importante, es que la calidad de la respuesta depende también muchísimo de la calidad del texto de entrada que le demos.

Veámoslo con un ejemplo. Imaginemos que tengo una condición médica que no entiendo, y en lugar de ir al médico decido preguntarle a la IA (no aconsejable todavía). Tengo dos formas de preguntarle: puedo escribir un texto largo y detallado, muy bien redactado, similar a lo que uno encontraría en un libro de medicina explicando los síntomas (ej: decir cosas como "dolor abdominal agudo en la parte inferior derecha, especialmente al tacto"). O en vez, puedo escribirle de la misma forma que lo haría en un tweet relajado. Decirle algo como "cheeee me re duele la panza!!!".

La IA va a responder muy, muy diferente en cada caso. No solo en estilo, sino en calidad/confiabilidad de su respuesta!

Recordemos que va a intentar elegir las palabras más probables en base al texto de entrada, las que más se parezcan a los ejemplos de textos de entrenamiento. Y qué es más probable que venga luego de un texto que se parece a una pregunta en Twitter? Lo más probable es un texto construído como una respuesta de Twitter! No un texto construído como un médico explicando una enfermedad en un libro de medicina.

Imagino que ya se dieron cuenta de lo que eso implica. Un texto de entrada mal armado, una pregunta mal construída, pueden llevar a una mala respuesta incluso cuando la IA tenía capacidad de generar una respuesta más confiable.

Tercer aprendizaje: la forma en la que escribimos define fuertemente la calidad y confiabilidad de la respuesta. Hay que poner esfuerzo en dar textos de entrada que fomenten mejores respuestas.

La IA me hace la tarea

Y por último, esto no tiene tanto que ver con limitaciones de estas IAs sino más bien con nuestras limitaciones humanas.

Como estas IAs son tan buenas para producir contenido, es muy fácil caer en la tentación de usarlas para todas las cosas que tenemos que generar nosotros mismos. Pero eso no siempre es una ventaja: sobre todo en educación, hay muchas situaciones en donde se nos pide hacer algo no por el resultado final, sino por el proceso de aprendizaje que implica hacerlo nosotros mismos.

Por ejemplo, quizás estamos estudiando psicología y nos piden leer y resumir una entrevista sobre abuso emocional. Es una tarea que tranquilamente una IA puede hacer super bien. Le damos el texto, nos produce el resumen. Lo revisamos un poco, y listo! Tarea hecha. Entrega aprobada.

Pero el problema es que el o la profe no nos pidió ese resumen porque el resumen en si era valioso o necesario. No nos pidió un resumen porque no quiere leer el texto y necesita una versión más corta. Probablemente nos pidió leerlo y resumirlo porque de esa forma, leyendo y re-redactando las ideas principales, nosotros mismos íbamos a aprender sobre abuso emocional.

Al darle la tarea a la IA en vez, nos estamos perdiendo la oportunidad de aprender. La tarea estaba diseñada para que quien la haga, aprenda algo. Y nosotros decidimos no aprender y dárselo a la IA en vez. Aprobamos la entrega. No aprendimos. Cuando vayamos a ejercer no vamos a tener el conocimiento que necesitábamos para lidiar con una situación real.

La IA puede ser extremadamente útil para automatizarnos tareas repetitivas o que no nos suman valor. Eso es innegable. No quiero decir que no la usemos para crear contenido o resolver problemas.

Pero mi último aprendizaje para este post es: ojo con darle a la IA las cosas que estaban pensadas para que nosotros crezcamos haciéndolas. No elijamos no aprender, porque perdemos nosotros.

También hay cosas buenas

Claramente no todo es malo. La IA puede ser una herramienta increíble para ayudarnos a aprender y enseñar. Puede facilitarnos muchísimo trabajo. Puede ayudarnos a generar contenido, a resumir, a entender cosas complejas. En muchos casos puede hasta jugar a ser un segundo profe más personalizado y con infinita paciencia y tiempo disponible.

Todas ventajas que no hace falta que profundice demasiado porque seguro ya las conocen.

Pero lo importante es que entendamos que se trata de una herramienta con todavía muchos "bordes filosos", que pueden jugarnos en contra si no los conocemos o no los tenemos en cuenta.

La calidad de lo que generemos, y lo mucho que nos pueden ayudar en el aprendizaje, depende en gran medida de entender esas cuestiones y saber cómo jugar con ellas.

Así que a seguir aprendiendo, ahora con IAs al lado. Es una época súper interesante para ser profes o estudiantes!

How to deploy a Django app in Render.com (free tier)

This is a basic tutorial on how to deploy a Django app to Render.com, focused on using only the free tier features and automating things as much as possible. This also doesn't cover how to do a Django app, it assumes you already have a working app that you just need to deploy.

Assumptions

• You have a working Django app (for instance, you can already run it locally with python manage.py runserver and everything works fine).

• You're using Django 4 or newer (tested up to Django 4.2.4), and your project structure is what Django does by default.

• Your Django project is in a Github or Gitlab repository.

• There's a single Django project in the repo, not multiple projects at once.

• You want to use Postgres as your production database in Render.

0: Render.com account

Just go to Render.com, create a user (if you don't already have one), activate your account, and sign in to the Dashboard.

1: Defining dependencies

Create a requirements.txt file in the root of your repository, and add these dependencies in it:

django==5.1
dj-database-url==2.2.0
psycopg2-binary==2.9.9
whitenoise[brotli]==6.7.0
gunicorn==23.0.0

If you already have a requirements.txt, just add the new packages to it.

2: Creating deploy scripts

You will need two scripts: one that builds the web app server (installs dependencies, updates the database structure, etc), and another one that runs your web app. Render will use these two scripts when you want to deploy your web app.

Create a build.sh file in the root of your repository, with these contents:

# exit on error
set -o errexit

pip install -r ./requirements.txt

cd $(dirname $(find . | grep manage.py$))
python manage.py collectstatic --no-input
python manage.py migrate
python manage.py createsuperuser --username admin --email "YOUR@EMAIL.com" --noinput || true

In that script, replace YOUR@EMAIL.com with your real email.

Then create a run.sh file in the root of your repository, with these contents:

# exit on error
set -o errexit

cd $(dirname $(find . | grep manage.py$))
gunicorn $(dirname $(find . | grep wsgi.py$) | sed "s/\.\///g").wsgi:application

If you have a less standard project or repo structure, you can replace the dark magic in those scripts: the cd command just needs to get inside your Django project folder, and the gunicorn command needs to look something like gunicorn your_project_name.wsgi:application. But for normal project structures, the dark magic should work just fine :)

3. Django settings for Render

Now you need to add this to the end of your settings.py file:

# code needed to deploy in Render.com:
import os
import dj_database_url

if 'RENDER' in os.environ:
    print("USING RENDER.COM SETTINGS!")
    DEBUG = False
    ALLOWED_HOSTS = [os.environ.get('RENDER_EXTERNAL_HOSTNAME')]
    DATABASES = {'default': dj_database_url.config(conn_max_age=600)}
    MIDDLEWARE.insert(MIDDLEWARE.index('django.middleware.security.SecurityMiddleware') + 1,
                      'whitenoise.middleware.WhiteNoiseMiddleware')
    STATIC_ROOT = os.path.join(BASE_DIR, 'staticfiles')
    STATICFILES_STORAGE = 'whitenoise.storage.CompressedManifestStaticFilesStorage'

This code basically overrides some of the settings of your project, so it can work well with what we are using inside Render.com: the database, the static files backend, etc. But it only does that when it detects your project is running inside Render, otherwise it does nothing to your settings.

You can further customize this if you have other settings that should have different values when running in Render.com. Just remember to never put secret stuff in there, because this will be committed to your repo. If you need to read any secret keys or values, you can use os.environ.get('MY_SECRET_THING_XYZ') and then define the value for that environment variable in the Render dashboard.

4. Commit everything!!

Commit all your new files and modified files, and push the changes to your Github/Gitlab repo!

5. Creating your Postgres database

Go to Render's dashboard and create a new Postgres database using this menu:

You will need to specify the database name and a few other fields. After you created your database, open its details page from the dashboard and copy the value from this field, to use it in the next step:

6. Deploying your app at Render

Go again to Render's dashboard and create a new "Web service" using this menu:

In the first page you will need to either fill the url of a public Github or Gitlab repository, or login with your Github/Gitlab account to choose a private repository. After you have specified your repo, in the next page you will need to fill out a few fields:

• Name: important, this will be part of the url of your deployed web app, so use something meaningful.

• Language: must be Python 3.

• Branch: the branch of your repo from which the code should be cloned to be deployed. Usually just main.

• Root Directory: important to leave this empty, so all the scripts are executed from the root directory.

• Build command: here you will use your build script: bash build.sh

• Start command: and here you will use your run script: bash run.sh

• Instance type: Free works fine for small Django apps.

Scroll down, to the "Environment Variables" section, and add three environment variables (it's important that the names are UPPERCASE):

• DATABASE_URL: here you need to paste the database url that you copied at step 5. You can go to the database details to copy it again if needed.

• DJANGO_SUPERUSER_PASSWORD: here set a password that you want to use for your Django superuser.

• PYTHON_VERSION: set it to 3.11.0 (or newer?).

And finally, just hit the "Deploy Web Service" button. Your website should be built and deployed in a couple of minutes! :)

After the deploy finishes, your website should be ready at https://YOUR_RENDER_WEB_SERVICE_NAME.onrender.com/

Re-deploying new versions

Now you can re-attempt any deploy, or manually deploy any version you wish. Just use this menu and everything should work:

What's next?

• Anytime you need to deploy a new version, you just push it to your repo, and you can use the manual deploy menu to re-deploy. You can even configure your Render app to use a different branch from your repository, so you can deploy from a "stable" branch instead.

• The rest of Render's UI is pretty straightforward, explore it! There are plenty of useful things even in the free tier, including logs, usage metrics, etc.

• The free tier doesn't include the web shell to access your running app directly, but you can still connect to it via ssh using the "Connect" button to the side of the ""Manual Deploy" one.

Disclaimer

My opinion on this topic is probably not the most objective one. I work with AI, I teach in a couple of university AI courses. I even do some AI projects for fun in my spare time.

But at the same time, I care deeply for the ethics of AI and its impact in the world. I'm not a blind technology worshiper, I really want AI to be a tool, used to build a better future for all, and I'm painfully aware that in its current forms it is already being misused a lot (concentrating power, amplifying discrimination, invading privacy, making people adicted to products, and so many other bad things). So I won't defend AI for the sake of AI progress.

Still, don't forget that I'm not an artist, and artists should have a voice in this debate too.

A misconception

Before sharing any opinions I need to dispel a common misconception: that these AI models are plagiarizing content from artists. I'll be using image generation as the main example, but the same applies to lots of content-generation AIs.

These AIs don't plagiarize (most of them, the amazing ones making the news at least). These AIs aren't memorizing, copying existing work and reproducing it as their own. That's simply not how they work. I won't go deep into that, but what you need to understand is that these AI models learn (concepts, styles, techniques, etc), and then generate novel content based on what they've learned.

The process is in many ways similar to how humans learn skills: the AI learns by watching a ton of examples, trying to do its own stuff, and receiving feedback on how good the stuff was. Given enough time, the AI model ends up being pretty good at the thing you wanted it to do.

Learning styles, concepts, techniques, and more from the contents (art) of others, to then be able to create your own novel art, was never considered “plagiarizing”. And it would be a VERY bad idea to try to classify that as plagiarizing. Basically because that’s how human artists work too, you would end up banning the artistic process itself, because no artist is born from the ether knowing how to create art, nor is any artist able to create a new branch of art from nothing. We humans always learn from others. And now computers too.

With that out of the way, now my opinion on the four biggest fears/discussions I’ve seen repeated multiple times:

1. AI art will destroy human art

I’ve seen quite a few people arguing that when computers can do art faster and more efficiently than humans, human art itself will die. There will be no more human artists, computers will replace that as they’ve replaced so many other manual tasks.

Honestly, I found this one hilarious. Mostly because people saying this sound like they have never spoken to a real, human artist.

Humans do art for lots of different reasons. Love, pleasure, to express feelings, to share ideas, to call for action, to relax, to improve themselves, to have fun, and so much more. People enjoy CREATING art, not just consuming it! If a computer can now create art too, so what? Most artists will keep doing art anyway because they feel amazing when doing their own art!

Would you stop eating ice cream just because a new computer can eat ice cream faster than you? How silly is that?

Human art won’t die. Stop panicking over that one.

2. AI art will destroy paid human artists

This one might sound similar, but is not the same as the previous fear. Even though sometimes in discussions they’re both mixed together as one.

I absolutely believe human artists will keep doing art for the love of it. But there’s a catch: not all art/content is produced, and especially sold, just for the love of art itself. Some forms of content are produced and paid just for utilitary reasons… and those are at risk of some huge impact, in my opinion.

The person buying a painting out of admiration for the person creating it, or listening to a song for the deep connection they feel with the artist, will probably keep consuming their favorite human’s art even if the AI produced art is cheaper or more easily available. The human author is part of the reason they want to consume that particular art form, and the AI art isn’t replacing that human connection.

But the person buying a cartoon for an ad of a children’s toy? Or the person needing a background song for a youtube video? Or the person designing a christmas card for their company? Well, those will definitely buy cheap AI art instead of paying for expensive human handcrafted art. And I’m pretty sure AI art will be cheaper, and easier to get. Maybe even for free.

So, yes, there will be an impact on some artists' income, we can’t deny that. It’s not a new problem, we’ve had a similar problem in the past: radio vs local musicians, widespread movie theaters and tv vs theater actors, ice sellers vs widespread fridges, factory workers vs robots, and so on.

IMHO, this is not just a problem in art: AI and other forms of automation will keep replacing humans in lots of jobs. That trend is not going anywhere, and will probably even accelerate. So the sooner we evolve into a society where people don’t need a job to be able to eat, the better…

So, human artists disappearing? Not a chance. Human artists having trouble selling “utilitary” art? Yep, that will happen.

3. Permission to learn

Another big discussion being held in many places, relates to the basic question of the fairness (or even legality) of using other people’s art/content to train your own AI model. Even if the model doesn’t plagiarize the content, just the act of learning from it, some people argue, should require some form of compensation or permission at least. Even being able to prevent that from happening.

This, I think, is a well intentioned discussion with a terribly short-sighted proposal for a solution, that will absolutely backfire if implemented. And I think that because of two different reasons:

First:

Humans have always been able to learn from what they can see, for free. Yes, on many occasions you are required to pay to be able to access something, and then you can use that to learn (and I really hate that humanity is like that… I strongly believe knowledge should be free). But at least you are never required to ask for permission, or pay, to learn from something you have accessed (paid access or not). Once your senses perceive something, you are absolutely free to learn (or not!) from it, and no one can stop you. And gosh, I’m thankful that capitalism hasn’t yet destroyed that for us. Please, don’t lay the foundations for that to happen…

Second:

I know that people pushing these proposals are doing so to protect artists, and that’s a super noble goal. But requiring “permission/payment to learn” is absolutely not going to protect or help artists. Really. How do I know? Because as a society we already tried that solution, several times in different contexts, and it always failed astronomically.

We wanted to protect small inventors from big corporations using their inventions and benefiting from them for free. So we designed patents: “permission/payment to use your invention”. The result? Big corporations literally hoard thousands of patents and then use them to destroy smaller competitors. You have your patent and want to sue me? Good luck! I have an army of lawyers and 2896 patents which I’m pretty sure contain enough to sue you 10 times over.

We wanted to protect artists from big corporations using their art for free and benefiting from it (sounds familiar??). So we designed copyright: “permission/payment to use your art”. The result? Big corporations abuse their position to hoard legal ownership of art, which nowadays is almost never owned by the artists themselves, and then use that to squeeze all the money they can from anyone trying to share said art. Corporations make millions, the artists get pennies, the public is constantly fighting for fair use while corporations try to paywall or silence any kind of use, etc.

So, what do you think will happen if, to protect artists from corporations using their art to train models for free, we try to design some “permission/payment to train” process? Hint: corporations have lots of money, lots of lawyers, and lots of art ownership rights. Artists and the rest of us, don’t. It’s almost as if solving problems by “requiring money to do X”, always ends up benefiting those guys with lots of money instead.

4. The powerful getting more powerful

Finally, there’s one last fear that I deeply share, because it’s my main fear with AI in general, not just for content generation: power keeps getting concentrated.

These AI models require a lot of money to train. The datasets are huge, the training process is incredibly consuming. Not to mention the work of so many (absolutely not cheap) specialists who do the research, and then productivize the models. So only big players are able to train the best models. Only big corporations or organizations can afford to do so. And the trend, while sometimes reversing a tiny bit, in general points towards that problem getting worse with every new generation of AI models: bigger models, more data, more money.

And at the same time, no one can deny the power of having these tools. From the new business models they enable, to the incredible advantages they might provide over traditional competitors. And then there are the darker use cases, like weaponizing realistically-sounding fake news generation.

Those two factors combined (cost required vs power gained), mean that we, as a society, continue walking a path in which the powerful are getting even more powerful, while the rest of us have less and less chances of reclaiming that power. Those who can train these models, will have a greater edge over the rest of society. And those are usually big corporations, of which the rest of society has very little control.

Again, this is not particular to AI content generation. This is a problem with AI in general. But I’ve seen people raising this question in the AI art discussions, and it’s a really fair point. And I don’t have an answer for it :(

Too long, didn’t read

Human art won’t die. But artists selling “utilitary” art should be worried. Requiring permission to train from art is going to backfire like crazy. And we keep giving more and more power to the already powerful, that’s bad.

And yes, of course the images in this post are AI generated ;)

Paso 1: Agregar soporte de STM32 en Arduino IDE

Lo primero que hay que hacer es instalar los plugins necesarios en Arduino IDE, para que el editor sepa compilar y grabar programas en las placas STM32.

Para ello tenemos que ir al menú "File", opción "Preferences", y en la ventana que se nos abre, clickear el botón que está al lado de Additional Board Manager URLs:

En la segunda ventana que se nos abre debemos agregar la URL de donde Arduino IDE va a bajar toda la información de estas placas. La url es esta:

http://dan.drown.org/stm32duino/package_STM32duino_index.json

Y debe agregarse al final, en un renglón nuevo (si es que ya teníamos otras URLs en esta configuración, como es mi caso), y clickear en "Ok":

Luego debemos decirle a Arduino IDE que se baje desde esa URL la información que necesitamos para controlar nuestra placa STM32. Para ello vamos al menú "Tools", luego "Board", y elegimos la opción "Boards Manager..."

En la ventana que se nos abre tenemos la posibilidad de filtrar la lista de plugins de Arduino IDE. Tenemos que buscar los que nos interesan, escribiendo "STM32" en la caja de búsqueda. Y de los resultados, tenemos que elegir el que dice "STM32F1xx/GD32F1xx boards". Luego de elegirlo nos va a aparecer un botón de "Install" para ese plugin, al que le hacemos click y esperamos que termine el progreso de la instalación.

Cuando termina su instalación, podemos cerrar la ventana del Board Manager.

Paso 2: Elegir nuestra placa y la forma de programarla

Ahora tenemos que decirle a Arduino IDE que queremos trabajar con esa placa nueva que instalamos. Para ello elegimos en el menú "Tools", "Board", "STM32F1 Boards", la opción "Generic STM32F103C series":

Al hacer eso se nos van a agregar algunas opciones nuevas en el menú "Tools", de las cuales tenemos que elegir dos más:

"Tools", "Variant", "STM32F103C8"

"Tools", "Upload Method", "STLink"

Paso 3: Arreglar cosas que no deberían estar rotas

Con los pasos que hicimos antes, en un mundo ideal y con placas más normales, ya todo queda listo para poder programar, hacer click en Play, y que nuestro código corra en la placa que tenemos conectada a la PC. Pero en el caso de las STM32 esto está roto, y hay que hacer algunos pasos manuales para arreglarlo. Los descubrí probando y renegando, y probablemente esto cambie en el futuro.

En particular: el plugin de Arduino IDE para las STM trae dentro un programita que se usa para flashear la placa, llamado "stlink-tools". Pero el problema es que trae una versión vieja y rota (al menos rota en entornos modernos).

Así que lo primero que vamos a hacer, es eliminar esa versión vieja de ese programita que no sirve de dentro del plugin. Lo hacemos corriendo este comando en una terminal de linux:

rm ~/.arduino15/packages/stm32duino/tools/stm32tools/2021.5.31/linux/stlink/st-*

Si el comando dispara un error diciendo que los archivos no existen, lo más probable es que tengan alguna versión diferente o de Arduino IDE, o del plugin. En ese caso van a necesitar encontrar cuál es la ruta para el caso particular de ustedes (probablemente si es otra versión de Arduino IDE, cambie el nombre del directorio .arduino15, o si es otra versión del plugin, cambie el nombre del directorio 2021.5.31).

Una vez borrados esos archivos, tenemos que instalar una mejor versión de la herramienta "stlink-tools". Hacemos eso con este comando:

sudo apt install stlink-tools

Esperamos a que termine de bajar e instalar, y luego tenemos que hacer un último pasito: indicarle a Arduino IDE que use nuestro nuevo stlink tools. Para ello corremos estos tres comandos. Pero ojo!! La ruta que estamos usando acá tiene que ser la misma que la que usamos antes para borrar el viejo stlink tools del plugin. Si cambiamos algún nombre de directorio en el paso de borrado, acá también deberíamos cambiarlo de la misma forma:

ln -s /usr/bin/st-flash ~/.arduino15/packages/stm32duino/tools/stm32tools/2021.5.31/linux/stlink/
ln -s /usr/bin/st-info ~/.arduino15/packages/stm32duino/tools/stm32tools/2021.5.31/linux/stlink/
ln -s /usr/bin/st-util ~/.arduino15/packages/stm32duino/tools/stm32tools/2021.5.31/linux/stlink/

Listo!

Con estos pasos hechos, ya deberíamos poder hacer un programa de ejemplo en Arduino IDE, y al apretar el botón de play (la flecha hacia la derecha) nuestro programa debería ejecutarse en la placa :)

Un programa de ejemplo que vi usado en muchos de los tutoriales (desconozco su autor original, si no lo linkearía):

const int ledPIN = PC13;

void setup()
{
  pinMode(ledPIN, OUTPUT);
}

void loop()
{
  digitalWrite(ledPIN, HIGH);
  delay(1000);
  digitalWrite(ledPIN, LOW);
  delay(1000);
}

Si todo anduvo bien, al dar play el led verde de nuestra placa STM32F103C8 debería titilar exáctamente cada 1 segundo :)

Separate IO from algorithms

Being able to write clean, easy to maintain code is one of the most important skills a developer should have. And it isn’t an easy task to accomplish. We will often be presented with complex problems in which there is no clear “clean” solution. But at the same time, there are some simple practices that can help a lot in the path to better code.

In this post we will talk about one of those practices: separating IO code from algorithms. It’s not rocket science, and many will probably find this obvious. But experience shows that it’s something too often overlooked, and when that happens, the code tends to become messy quite fast.

Guido Van Rossum,Python
Dennis Ritchie,C
Armin Ronacher,Python
Larry Wall,Perl
...

Python: 2
Perl: 1
C: 1
...

def count_developers(file_path):
    quantities = {}
    with open(file_path) as developers_file:
        for line in developers_file:
            developer, language = line.strip().split(',')
            if language not in quantities:
                quantities[language] = 0
            quantities[language] += 1

    for language, quantity in quantities.items():
        print('{l}: {q}'.format(l=language, q=quantity))

def read_developers_file(file_path):
    with open(file_path) as developers_file:
        return [line.strip().split(',')
                for line in developers_file]

def count_developers(developers):
    quantities = {}
    for developer, language in developers:
        if language not in quantities:
            quantities[language] = 0
        quantities[language] += 1
    return quantities

def show_report(quantities):
    for language, quantity in quantities.items():
        print('{l}: {q}'.format(l=language, q=quantity))

def update_score(request, username):
    # logic to get the current score
    # logic to get the matches won
    # score = a little extra code calculating the new score
    # some more score updating
    # the last bits of the score update
    returnrender(request, 'score.html', {'score': score})

import score_logic

def update_score(request, username):
    score = score_logic.update_score(username)
    returnrender(request, 'score.html', {'score': score})

Lo físico

Mucha gente tiene la idea de que las katanas son espadas especialmente livianas y ágiles, o increíblemente filosas, o de un metal extraordinariamente resistente o bueno, en comparación a las espadas del resto del mundo, o especialmente de la Europa medieval y del renacimiento. Lamentablemente la mayoría de estas ideas se arraigan en mitos, perpetrados por juegos, películas, y hasta instructores de artes marciales muy poco informados.

Peso:

Respecto a su peso y agilidad: la katana típica tenía una hoja de unos 70cm, y pesaba alrededor de 1.1 o 1.2 kg. Obviamente hay mucha variación en estos números, pero son los valores más "normales" en katanas históricas.

Si queremos comparar eso con espadas Europeas nos encontramos con un problema: la katana es una espada de dos manos, sonaría lógico compararla contra espadas de dos manos, pero para los estándares europeos la katana tiene una hoja muy corta, del largo de una espada de una mano. Así que comparemos con ambos grupos:

Comparando contra espadas europeas con hojas de tamaño similar, es decir, espadas de una mano, podemos ver que la katana pesa lo mismo que una espada europea típica de ese largo. Las espadas medievales de hojas de 70cm pesaban también alrededor de 1.1 o 1.2 kg. También encontramos variación, pero de vuelta, esos son los valores normales. Así que la katana no tiene ningún tipo de construcción super liviana: pesa literalmente lo mismo que espadas europeas del mismo largo.

Comparando contra espadas europeas de dos manos notamos que en promedio las katanas son más livianas. Pero es una comparación injusta porque la típica espada europea de dos manos tenía una hoja de 90cm, y no 70cm como la katana. Es decir, casi un 30% más largas. Cuánto pesaba la típica espada de dos manos europea? Alrededor de 1.5kg (de vuelta, con variación). Lo que es perfectamente lógico! Para una espada con hoja un 30% más largo, es esperable que el peso sea un poco mayor, pero no por estar mal hecha o ser más "primitiva", nada de eso. Simplemente es una espada más larga, así que va a poseer más metal.

Respecto al balance y distribución del peso, también podemos ver que la hoja de la katana es muy similar a espadas europeas de uso comparable. Base más ancha con un poco de distal taper (afinamiento), con un balance alrededor de 10cm de la guarda.

Con esta información está bastante claro que la katana no es un arma más ágil o rápida que cualquier espada europea similar. Es simplemente una espada más.

(comparemos el largo de la hoja de la katana, respecto a otras espadas europeas. Incluso el sable victoriano de una mano tiene una hoja más larga)

Calidad o resistencia del metal:

El mito de que el acero de las katanas es una especie de super acero increíblemente bueno, tiene pocas bases en la realidad. Lo cierto es que la materia prima que se conseguía en el Japón feudal tenía muchas inclusiones de materiales no deseados (similar a muchas partes del mundo), y el proceso de plegado tiene como objetivo remover parte de esas inclusiones, y distribuir más homogéneamente las que no se quitan. El resultado es un buen acero, sin dudas. Pero no un acero extraordinario. Cualquier acero moderno es muchísimo más puro, y el tratamiento térmico preciso moderno logra prestaciones y resistencias muchísimo mejores que las técnicas históricas de cualquier cultura, incluido Japón.

Mucha gente cree que ese proceso de plegado era una especie de tecnología super avanzada exclusiva de Japón, que el resto del mundo no conocía y por eso generaban aceros inferiores. Nada más equivocado: en Europa se realizaban técnicas similares (plegado, y otras incluso más complejas, como el forjado en patrón de espadas de la era vikinga). Pero con el tiempo en Europa se desarrollaron hornos que lograban aceros más puros, haciendo menos necesario el proceso de plegado. Era algo común, y que en un punto se volvió obsoleto.

(forjado en patrón, técnica similar al plegado pero de mayor complejidad, muy presente en espadas vikingas)

Curvatura:

Un detalle pero vale la pena aclararlo: en Europa también se usaban espadas curvas, y mucho. No se trata de una innovación exclusiva de Japón, o de algo objetivamente superior que solo ellos hacían.

Espada recta vs espada curva es un debate que tiene cientos, si no miles de años, y en todas las culturas se dio variedad de opinión al respecto. El contexto muchas veces hizo que una u otra sean más adecuadas en diferentes lugares y épocas. En Europa, las armaduras dictaron una tendencia hacia las espadas rectas (que logran mejores estocadas, y cortes levemente inferiores), simplemente porque cortar hacia una armadura no logra nada.

(kriegsmesser europeo)

Protección:

Otro aspecto relativamente interesante es la elección del estilo de guarda que tienen las katanas: un disco pequeño. Es discutible, pero por lo general se considera que ofrece un nivel mucho menor de protección en comparación a otros estilos de guardas, como la cruciforme o alternativas más elaboradas.

Pero más allá de la opinión que se tenga respecto a su utilidad, el tener una guarda con forma de disco no es una característica exclusiva de las katanas. Hay otros tipos de espadas asiáticas con guardas similares (como los Dao chinos).

(Dao chino)

Rigidez:

Un último aspecto interesante es que en comparación a las espadas europeas, la katana suele tener una hoja un tanto más rígida, menos elástica. Esto tiene también sus ventajas y problemas.

La principal ventaja es que hace más fácil cortar, es un poco más permisiva si la técnica del atacante no es tan buena. Las hojas europeas requieren mejor alineación del filo para cortar adecuadamente, mientras que con una katana se puede tener el filo un poco peor alineado (por falla de la técnica del usuario), pero igual cortar de forma efectiva. Esto la hace bastante amigable para novatos. Pero un cortador experto puede cortar igual de bien con ambas.

Claramente también ayuda un poco en las estocadas, ya que la flexión es energía perdida.

La principal desventaja es que la elasticidad de las espadas europeas las hace más duraderas. Un impacto muy fuerte lateral flexiona la hoja, pero la misma vuelve a su forma original, como un resorte. En el caso de la katana, por cómo son tratados los aceros que la componen, tiene más tendencia a doblarse y permanecer doblada en lugar de volver a su forma original.

Lo técnico

Mucha gente tiene la idea de que en Japón los samurais dedicaban su vida a estudiar el combate con espada, desarrollando técnicas super avanzadas, mientras que en Europa la gente se pegaba garrotasos a lo bruto, sin técnica alguna.

La realidad, de vuelta, no es esa. En cambio en ambos lugares existieron y se desarrollaron artes marciales muy avanzadas de combate con espada. Sistemas completos con principios, técnicas, variaciones de estilo, etc.

Simplemente que en la cultura popular, las artes marciales asiáticas se difundieron y modernizaron muchísimo, mientras que las europeas fueron prácticamente olvidadas.

Pero hoy en día existe mucha gente practicando artes marciales históricas europeas (HEMA), utilizando manuscritos medievales y del renacimiento escritos por los mismos maestros que enseñaban en esas épocas, para revivir dichas artes.

Y lo interesante es que hay muchísimo en común entre ambos mundos. Hay técnicas y posturas que pueden encontrarse casi idénticas entre manuscritos japoneses e italianos. Los principios que guían ambas artes también son muy muy similares.

En definitiva, no existen tantas formas diferentes de usar una espada de dos manos y poco más de 1kg de manera efectiva. Quienes usaban técnicas efectivas sobrevivían, quienes no, morían. Y por ello ambas culturas luego de siglos de uso, llegaron a conclusiones relativamente similares.

(página del manuscrito "Il Fior di Battaglia", escrito en el 1400. Versión completa online: Fior di Battaglia (MS Ludwig XV 13) )

Lo cultural

En esto puede haber una diferencia muy importante entre la katana y las espadas de Europa (no hablo de otras culturas por que no conozco tanto).

En Europa la espada siempre tuvo un poco de "mística", pero no al nivel de religiosidad que adquirieron las katanas en Japón.

Si en Europa alguien pensaba que podía hacer una espada con mejor diseño, más efectiva, la hacía y nadie lo iba a mirar como un "irrespetuoso de la cultura de la espada". Eso permitió muchísima más variación de formatos y estilos que lo que vemos en Japón. No es que en Japón las katanas no variaban, pero son muy pequeñas variaciones en comparación. Una hoja un poco más larga, una curva un poco menos pronunciada, una guarda un poco más amplia, más o menos mesas en la hoja, etc. Mientras que en Europa en el mismo tiempo, se pasó de guardas de cruz a guardas que cubrían toda la mano, al mismo tiempo había hojas curvas y rectas, hojas con filos paralelos o hojas super triangulares, muy anchas y muy angostas, cruces y pomos de decenas de formatos, etc.

Esto también llevó a que Japón valore y conserve muchísimo mejor sus espadas históricas, y que se desarrollen incluso artes de conservación alrededor de ellas. Una hoja del año 1500 puede verse hoy en perfectas condiciones, mantenida por generaciones de pulidores, y familias que las atesoraron con valor hasta religioso.

En Europa en cambio, la mayoría de las que sobrevivieron se encuentran super maltratadas, mal mantenidas, oxidadas, etc. Y por lo general, luego de años de estar tiradas o escondidas en algún lugar, sin que se les preste demasiada atención.

Esto contribuyó mucho al mito de que las katanas eran especialmente bien hechas, por culpa de ver hojas en estado casi perfecto de un lado, mientras que del otro solo veíamos cosas oxidadas y en estado de abandono.

(estado típico de conservación de una katana vs el estado típico de conservación de una espada europea)

En resumen

La katana es un arma con un lugar muy especial dentro del mundo actual de espadas, pero más por accidentes históricos y diferencias culturales, que por las características del arma en sí o de sus técnicas asociadas.

Dependencies

sudo apt install ecryptfs-utils

Initial setup (one time only)

You need to do this only once to setup your dir. After that you won't have to run these steps in your daily use.

First create two dirs:

• A dir where you will work with your files when the encrypted filesystem is mounted.

• A dir where the encrypted data will live. You should never edit its contents by yourself.

mkdir super_secret_things
mkdir super_secret_things_encrypted

Then, mount the filesystem for the first time:

sudo mount super_secret_things_encrypted super_secret_things -t ecryptfs

This will ask you a bunch of questions, these are the answers I recommend, plus some explanations:

• Passphrase: whatever you want to use as password :)

• Cipher: aes (option 1. This is the algorithm used to encrypt. Aes is pretty good)

• Key bytes: 32 (option 2. The size of the key, bigger usually means harder to hack)

• Plaintext passthrough: no (this allows for non-encrypted files to be used along encrypted ones, which I think is a bad idea. These are your super secret stuff, you need to be sure they are always encrypted).

• Filename encryption: yes (fairly obvious. If the answer is no, people can see the names of the files without having to know the encryption password)

• Signature confirmation: just press enter.

• A confirmation asking whether you are sure you typed everything right, because this is the first time ecryptfs sees you using this combination of parameters with this directory. Just say yes, because doh, of course it's the first time.

• And Finally, whether you want ecryptfs to remember the answer to the previous question, so it doesn't ask you "are you sure? this is the first time..." every time you mount the encrypted dir. Answer yes.

You will need to remember the answers you chose, to be able to re-mount the encrypted dir in the future! For me this became muscle memory: "1 2 n y enter".

And that's it! Encrypted dir created!

Daily use

Whenever you need to work with your encrypted files, the steps are this:

1. Mount the encrypted dir

sudo mount super_secret_things_encrypted super_secret_things -t ecryptfs
# answer "1 2 n y enter", or whatever you chose instead

You can also avoid having to answer all the questions, by passing all these extra parameters:

sudo mount super_secret_things_encrypted super_secret_things -t ecryptfs -o ecryptfs_cipher=aes,ecryptfs_key_bytes=32,ecryptfs_passthrough=n,ecryptfs_enable_filename_crypto=y,ecryptfs_fnek_sig=6b8de1a1e22ae45c
# (the "encryptfs_fnek_sig" signature is the one that the mount command asks you to verify in the final step, when not receiving all the extra params)

2. Work with your files inside super_secret_things (REMEMBER!!! never edit the contents of super_secret_things_encrypted by yourself)

3. Un-mount the encrypted dir

sudo umount super_secret_things

Of course, you can automate these into scripts, alias in your shell, etc.

Hope this is as useful to you as it was for me :)

The sword

(click the photos to see the full resolution versions)

It's a longsword made in the typical style of the year 1400, with a special reinforced tip (useful to fight against armor), and an actual medieval coin in the pommel.

Weight: 1.515 kg.

Length: 119.5 cm (118.5 cm not counting the pin block), 93 cm blade.

Width: 5.55 cm at the base of the blade.Thickness: 6 mm at the base of the blade, then tapers to 3.75 mm at the thinnest point (near the center of percussion), but then thickens again to 5 mm near the tip.

Blade steel: quenched and tempered SAE 5160.

Guard steel: quenched and tempered AISI 1045.

Grip: made of really hard wood (Lapacho), with both hexagonal (near the guard) and oval (near the pommel) cross sections. Covered in string to give it the texture, resin, and then cow leather above it.

Coin: the coin in the pommel is an actual coin from the year 1180, with an image of Manuel I Komnenos, a Byzantine emperor.

Maker: Leonardo Daneluz. More of his high quality work in his facebook page.

Gosh, I'm really happy with this sword :D

With "Il Fior Di Battaglia", a medieval martial arts manuscript from around 1400 (you can read it online!). People from that time didn't just crudely bash themselves with blunt heavy swords. In reality, swords were fairly light and agile, quite sharp, and they had very developed martial arts around their usage. Luckily many manuscripts from the time survive, which we can use to revive those martial arts (google "HEMA" if you want to see people practicing them).

Here you can see the pin, which is the end of the tang (the part of the blade that continues inside the grip). And also a glimpse of the coin (better pictures below).

The details of the coin. A little shiny because of the oil used to keep the sword from rusting. You can see the figure of Manuel I Komnenos.

With a rondel dagger, a type of dagger designed to fight people in armor, usually carried by knights and man-at-arms along this kind of swords.

Scolari is a HEMA study/practice group that we founded in Argentina. We focus on the teachings of Fiore dei Liberi, the medieval martial arts master that wrote the manuscript you saw before. https://www.facebook.com/scolariesgrimahistorica/

A better picture of the coin, before it was embedded in the pommel.

The sword without the grip and coin. You can see how the blade goes all the way through, sticking out of the pommel. This is how historical swords were built.

To give it its final texture, the artisan not only uses string below the leather, but also above it. After a short while, the top string is removed, and the leather keeps its texture, providing better grip but also a nicer finish.

That's a heck of a thick point.

Leonardo quenching it! :)

He's well known for the quality and historicity of his work. If you like medieval swords, then you should definitely check his swords.

Hope you enjoyed it as much as I do. Bah, that's impossible :p

(Thanks Ruth Teller for most of the photos!)

What do I need?

Python 3.3 or newer (older versions do have virtualenvs, but they are used in a slightly different way).

How do I create a new virtualenv?

Open a terminal, and run this:

python3 -m venv PATH_TO_YOUR_VIRTUALENV

The path it receives as a paramenter, is the location for a folder that will be created and will contain your virtualenv inside. It will only contain the virtualenv, don't add any files inside that folder. Treat it like a "system" folder.

Example:

python3 -m venv /home/fisa/projects/my_blog/venv

(If you are using Windows, the path would instead look something like this: C:\Users\fisa\projects\my_blog\venv)

How do I use the virtualenv?

Each time you open a new terminal (console) to work in your project, you need to activate the virtualenv. The command to activate the virtualenv is different for Linux/MacOS vs Windows.

On Linux and MacOS, run:

source PATH_TO_YOUR_VIRTUALENV/bin/activate

(if you are using fish shell, replace activate with activate.fish at the end of that command)

On Windows:

PATH_TO_YOUR_VIRTUALENV\Scripts\activate.bat

From now on, the prompt of the terminal should say something like (venv) at the begining (with the name of your virtualenv). This indicates that you are working inside your virtualenv.

With your virtualenv activated, if you now install libs with pip (example: pip install pandas), they will be installed inside the virtualenv. If you run a program inside that terminal, it will be able to import any libs installed in the virtualenv.

That's it?

Yep.

Well, there's more to it, but this is what you need to start using virtualenvs :)

Ok, but...

• ... how do I deactivate the virtualenv? Just close that terminal. Or run deactivate.

• ... how do I delete the virtualenv? Just delete the folder. Nothing else is created anywhere else.

• ... can I move the virtualenv? No. Just delete it, and create a new one in the new location. Virtualenvs are disposable, don't get attached to them :) (your project should define its dependencies either in a requirements.txt or in a setup.py, so you can easily install all the dependencies at once in the new environment)

Using Keras and TensorFlow with Nvidia gpus under Ubuntu

sudo apt install nvidia-375

sudo sh ./cuda_8.0.61_375.26_linux.run --override

pip install tensorflow-gpu keras

LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 python your_awesome_code.py

LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 jupyter notebook

import tensorflow as tf
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64 python test_device.py