1. Learn
    2. /
  2. Courses
    3. /
  3. Introducción a TensorFlow en Python
  • 1

    Introducción a TensorFlow

    Free

    Antes de que puedas construir modelos avanzados en TensorFlow 2, primero tendrás que entender lo básico. En este capítulo aprenderás a definir constantes y variables, a realizar sumas y multiplicaciones tensoriales y a calcular derivadas. Los conocimientos de álgebra lineal serán útiles, pero no necesarios.

  • 2

    Modelos lineales

    En este capítulo aprenderás a construir, resolver y hacer predicciones con modelos en TensorFlow 2. Te centrarás en una clase sencilla de modelos -el modelo de regresión lineal- e intentarás predecir los precios de la vivienda. Al final del capítulo, sabrás cómo cargar y manipular datos, construir funciones de pérdida, realizar minimizaciones, hacer predicciones y reducir el uso de recursos con el entrenamiento por lotes.

  • 3

    Redes neuronales

    Los capítulos anteriores te enseñaron a construir modelos en TensorFlow 2. En este capítulo, aplicarás esas mismas herramientas para construir, entrenar y hacer predicciones con redes neuronales. Aprenderás a definir capas densas, aplicar funciones de activación, seleccionar un optimizador y aplicar la regularización para reducir el sobreajuste. Aprovecharás la flexibilidad de TensorFlow utilizando tanto el álgebra lineal de bajo nivel como las operaciones de alto nivel de Keras API para definir y entrenar modelos.

  • 4

    Alto nivel APIs

    En el último capítulo, utilizarás APIs de alto nivel en TensorFlow 2 para entrenar un clasificador de letras del lenguaje de signos. Utilizarás tanto el Keras secuencial como el funcional APIs para entrenar, validar, hacer predicciones y evaluar modelos. También aprenderás a utilizar los Estimadores API para agilizar el proceso de definición y entrenamiento del modelo, y evitar errores.

Initializing

Exercise

Definición de variables

A diferencia de una constante, el valor de una variable puede modificarse. Esto será útil cuando queramos entrenar un modelo actualizando sus parámetros.

Intentemos definir e imprimir una variable. A continuación, convertiremos la variable en una matriz numpy, volveremos a imprimir y comprobaremos si hay diferencias. Observa que Variable(), que se utiliza para crear un tensor de variables, se ha importado de tensorflow y está disponible para utilizarlo en el ejercicio.

Instructions

100 XP
  • Define una variable, A1, como el tensor unidimensional: [1, 2, 3, 4].
  • Aplica .numpy() a A1 y asígnalo a B1.