Curso oferecido pela deeplearning.ai no Coursera

Semana 1

O TensorFlow é a biblioteca de Python mais famosa para Machine Learning e Deep Learning. A biblioteca possui diversas implementações de métodos de Machine Learning e redes neurais.

TensorFlow

Exemplo prático

Vamos começar com um simples exemplo

Seja o seguinte conjunto de dados:

X = np.array([-1, 0, 1, 2, 3, 4]) # input, one feature
y = np.array([-3, -1, 1, 3, 5, 7]) # output

Vamos começar com um modelo de apenas 1 neurônio

import tensorflow as tf

model = tf.keras.Sequential([tf.keras.layers.Dense(units=1, input_shape=[1])])

# ou

model = tf.keras.Sequential()
model.add(tf.keras.layers.Dense(units=1, input_shape=[1])

Vamos entender por partes o que estamos fazendo. A classe tf.keras.Sequential() é usada para criarmos um modelo de rede neural onde as camadas serão postas em sequência. Neste caso temos apenas 1 camada com 1 nó.

Keras documentation: The Sequential class

A camada que estaremos usando é denominada “densa” o que significa que seus neurónios são densamente conectados. Para isto usamos a classe tf.keras.layers.Dense().

Keras documentation: Dense layer

Vamos então compilar o modelo:

model.compile(optimizer='sgd', loss='mean_squared_error')

Neste método estamos definindo duas coisas. O argumento optimizer define qual o método de retropropagação será utilizado. O argumento loss define qual função custo será utilizada.