Construye una red neuronal
Utilizaremos la biblioteca Keras para crear redes neuronales y entrenarlas para clasificar imágenes. Todos estos modelos serán del tipo « Sequential », lo que significa que las salidas de una capa se proporcionan como entradas únicamente a la siguiente capa.
En este ejercicio, crearás una red neuronal con capas e Dense es, lo que significa que cada unidad de cada capa está conectada a todas las unidades de la capa anterior. Por ejemplo, cada unidad de la primera capa está conectada a todos los píxeles de las imágenes de entrada. El objeto de capa « Dense » recibe como argumentos el número de unidades de esa capa y la función de activación para las unidades. Para la primera capa de la red, también recibe un argumento clave input_shape.
Este curso aborda muchos conceptos que quizá hayas olvidado, así que, si alguna vez necesitas un repaso rápido, descarga la hoja de referencia de Keras y tenla a mano.
Este ejercicio forma parte del curso
Modelado de imágenes con Keras
Instrucciones del ejercicio
- La primera capa recibe imágenes como entrada, tiene 10 unidades y una activación de tipo «
'relu'». - La segunda capa de entrada tiene 10 unidades y una activación de tipo «
'relu'». - La capa de salida tiene una unidad para cada categoría (3 categorías) y una activación de tipo «
'softmax'».
Ejercicio interactivo práctico
Prueba este ejercicio completando el código de muestra.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____