Curso oferecido pela deeplearning.ai no Coursera
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.
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.