Você chegou ao exercício final do curso - agora você sabe tudo o que precisa para criar um modelo preciso para reconhecer dígitos escritos à mão!

Já fizemos a manipulação básica do conjunto de dados MNIST mostrado no vídeo, então você tem X e y carregados e prontos para modelar. Sequential e Dense de tensorflow.keras também são pré-importados.

Para adicionar um desafio extra, carregamos apenas 2.500 imagens, em vez das 6.000 que você verá em alguns resultados publicados. Os modelos de aprendizagem profunda têm melhor desempenho com mais dados, mas também levam mais tempo para serem treinados, especialmente quando começam a se tornar mais complexos.

Se você tiver um computador compatível com CUDA GPU , poderá aproveitá-lo para melhorar o tempo de computação. Se você não tiver um GPU, não há problema! Você pode configurar um ambiente de aprendizagem profunda na nuvem que pode executar seus modelos em um GPU. Aqui está uma postagem do blog de Dan que explica como fazer isso - dê uma olhada nela depois de concluir este exercício! É uma ótima próxima etapa para você continuar sua jornada de aprendizado profundo.

Você está pronto para levar sua aprendizagem profunda para o próximo nível? Confira Advanced Deep Learning with Keras para ver como o Keras functional API permite que você crie conhecimento de domínio para resolver novos tipos de problemas. Depois que você souber como usar o API funcional, dê uma olhada em Image Processing with Keras in Python para aprender aplicações específicas de imagem do Keras.

Como você pode ver nas imagens

Create Your Free Account