TensorFlow es una biblioteca de código abierto de Google utilizada para el desarrollo y entrenamiento de modelos de aprendizaje automático y redes neuronales. Facilita la creación de modelos complejos para tareas de reconocimiento de voz, procesamiento de imágenes, traducción automática, y otras aplicaciones de inteligencia artificial.
En el momento de crear un modelo en TensorFlow sería bueno tener la siguiente ruta en cuenta:
- Importación o generación del conjunto de datos.
- Transformación y normalización de datos.
- Dividir datos en entrenamiento, prueba y validación.
- Definir los hiperparámetros.
- Crear o inicializar(versiones viejas) variables o placeholders.
- Definir estructura del modelo.
- Declarar la función de pérdidas.
- Inicializar y entrenar el modelo.
- Evaluación del modelo.
- Rejustar hiperparametros.
- Predecir nuevos resultados.
Primeros pasos en TensorFlow donde se explora la creación y el uso de:
- Variables.
- Tensores.
- Matrices.
- Estructura de Modelos.
- Función de Pérdida.
Se explora distintas fuentes y manera de obtener datos.
Se muestra algunos de los modelos mas sencillos que se pueden aplicar en TensorFlow
Se muestran las ecuaciones de distintas funciones de perdidas, la función de perdida adecuada juega un papel importante a la hora de ajustar el modelo.
Se muestran un par de ejemplos, uno sencillo y una mas complejo, una red neuronal convolucional en la que se usó la herramienta tensorboard.
Construcción de una regresión lineal de distintas maneras:
Construcción de un support vector machine de distintas maneras:
Varios ejemplos de redes neuronales:
Ejemplo de red convolucional sencilla y compleja.
- José R. Guignan
- Mail: joserguignan@gmail.com
- Linkedin: https://www.linkedin.com/in/jrguignan