Cómo crear una red neuronal en Python
Esta presentación muestra a los piratas informáticos los conceptos básicos de las redes neuronales mediante una investigación de caso que crea y adiestra una red neuronal que reconoce dígitos escritos a mano con solo diez líneas de código Python. Para esto usaremos la Interfaz de programación de aplicaciones de TensorFlow Keras, hoy día la biblioteca mucho más habitual en la red social de Deep Learning. Se quiere que simultáneamente implementes todo lo explicado en el vídeo utilizando Google plus Colab. En el final hay un «plus track» que muestra la versión en Pytorch.
Esta presentación se efectuó en HACKATHON OF HACKERS@UPC ONLINE el 4 de abril de 2020.
Comencemos un Ejercicio Práctico
Este simpático vehículo robot Arduino es el que implantaremos en nuestra red neuronal, a fin de que logre conducirse solo, ¡eludiendo óbices!
Vamos a hacer una red neuronal que conduce un turismo de juguete Arduino que entonces edificaremos y observaremos en el «planeta real».
Datos: Malaria Dataset
El grupo de datos usado forma parte al catálogo de datos de Tensorflow Datasets. Este grupo de datos se empleó por el hecho de que no es el propósito de este cuaderno preprocesarlo. Así mismo conseguimos un dataset de imágenes que cubre nuestras pretensiones, limpio y enfocado al inconveniente de clasificación de imágenes.
El grupo de datos de Malaria exhibe imágenes de láminas finas de frotis de sangre de células separadas. Vamos a tener 2 clases: células parasitadas y células no inficionadas.
Desarrollo de Entrenamiento
¿De qué manera enseñamos a nuestras neuronas a contestar adecuadamente? Asignaremos un peso a cada entrada, que puede ser un número positivo o negativo. Una entrada con un enorme peso positivo o un enorme peso negativo influirá poderosamente en la salida de la neurona. Antes de empezar, establecemos cada peso en un número aleatorio. Entonces empezamos el desarrollo de entrenamiento:
- Toma las entradas de los valores de entrenamiento, ajusta los pesos y ejecuta una fórmula para calcular la salida de las neuronas.
- Calcula el fallo, que es la diferencia entre la salida de la neurona y la salida deseada en la exhibe del grupo de entrenamiento.
- En dependencia de la dirección del fallo, ajuste sutilmente los pesos
- Repita este desarrollo diez mil ocasiones.
