Entrenando el modelo de tu primera red neuronal

5/28
Recursos

Aportes 11

Preguntas 5

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad? Crea una cuenta o inicia sesión.

Si es una victoria agridulce, pero en lo personal no tanto por los parámetros usados, si no por ser caja negra y no poder visualizar el resultado, la red generada o el código que hace la magia jejeje

Como aportación, dejo los datos de mi entrenamiento para comparar, después de seguir los pasos vistos en clase:

loss: 0.0651 - accuracy: 0.9808

Aunque debemos comprender mejor lo que ejecutamos, da una gran satisfacción hacerlo.

Me parece muy interesante como este profesor diseño el curso, hacer algo y luego explicartelo, genera curiosidad y ganas de aprender mas, super dinamico e interesante.

Que genial, esto si da muchas ganas de seguir estudiando cada concepto! 👍🏼

Con optimizador ‘adam’ y ‘adagrad’ esto fue lo que me dio:

ADAM
test_loss, test_accuracy = [0.06542710214853287, 0.9787999987602234]

ADAGRAD:
test_loss, test_accuracy = [0.49836644530296326, 0.882099986076355]

Entrenando ala red:

model.fit(x_train, y_train, epochs=5, batch_size=128) 

Evaluando a la red:

model.evaluate(x_test, y_test)

Resultados personales:

loss: 0.0691 - accuracy: 0.9795

Accuracy del 97,86% 👍🏻

Si quieren ver el resultado de una prueba seleccionando un unico numero:

# Selecciona un numero al azar dentro de x_test
index = 1052
plt.figure(figsize=(10,10))
d_image = x_test[index]
plt.imshow(d_image.reshape(28, 28))
# plt.title(y_test[index]) # para verlo como array
plt.title( np.argmax(y_test[index], axis=-1) ) # para ver el numero como tal
plt.axis(False)
plt.show()

y luego si, le pedimos una prediccion al modelo sobre el numero anterior:

prediccion_array = model.predict(x_test[index].reshape(1,28*28))

print('el numero es:',np.argmax(prediccion_array, axis=-1), 'cierto?')

Mucha suerte en sus pruebas, exitos

La clase fue excelente y aun que ya he hecho algunas pruebas con CNN me siento igual como una caja negra que no se que o por que pasan las cosas

Espero con ansias la siguiente clase

Me encanta VS Code
Aca les dejo mi aporte

Les comparto mi resultado del evaluate

loss: 0.1253 - accuracy: 0.9829

Con el entrenamiento

model.fit(x_train, y_train, epochs=5, batch_size=784)
model.evaluate(x_test,y_test)

se obtiene

313/313 [==============================] - 1s 4ms/step - loss: 0.0885 - accuracy: 0.9842