Diferencias

Muestra las diferencias entre dos versiones de la página.

--- clase:iabd:pia:1eval:tema06 [2023/12/20 18:04]
admin [Selección de función de activación]
+++ clase:iabd:pia:1eval:tema06 [2024/03/25 15:06] (actual)
admin [Tipos de funciones de activación en la capa de salida]
@@ Línea 702: / Línea 702: @@
   * Uso en Keras: Sigmoide
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.activations.sigmoid))
+model.add(Dense(3, activation="sigmoid"))
-model.add(Dense(3, input_dim=1,activation="sigmoid"))
+model.add(Dense(3, activation=tf.keras.activations.sigmoid))
 </sxh>
@@ Línea 709: / Línea 710: @@
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.activations.tanh))
+model.add(Dense(3, activation="tanh"))
-model.add(Dense(3, input_dim=1,activation="tanh"))
+model.add(Dense(3, activation=tf.keras.activations.tanh))
 </sxh>
@@ Línea 753: / Línea 755: @@
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.activations.relu))
+model.add(Dense(3, activation="relu"))
-model.add(Dense(3, input_dim=1,activation="relu"))
+model.add(Dense(3, activation=tf.keras.activations.relu))
-model.add(Dense(3, input_dim=1,activation=tf.keras.layers.ReLU()))
+model.add(Dense(3, activation=tf.keras.layers.ReLU()))
 </sxh>
@@ Línea 761: / Línea 763: @@
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.layers.LeakyReLU()))
+model.add(Dense(3, activation="LeakyReLU"))
-model.add(Dense(3, input_dim=1,activation=tf.keras.layers.LeakyReLU(alpha=0.2)))
+model.add(Dense(3, activation=tf.keras.layers.LeakyReLU()))
+model.add(Dense(3, activation=tf.keras.layers.LeakyReLU(alpha=0.2)))
 </sxh>
@@ Línea 806: / Línea 809: @@
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.activations.elu))
+model.add(Dense(3, activation="elu"))
-model.add(Dense(3, input_dim=1,activation="elu"))
+model.add(Dense(3, activation=tf.keras.activations.elu))
-model.add(Dense(3, input_dim=1,activation=tf.keras.layers.ELU(alpha=0.2)))
+model.add(Dense(3, activation=tf.keras.layers.ELU(alpha=0.2)))
 </sxh>
@@ Línea 814: / Línea 817: @@
 <sxh python>
-model.add(Dense(3, input_dim=1,activation=tf.keras.activations.selu,kernel_initializer="lecun_normal"))
+model.add(Dense(3, activation="selu"))
-model.add(Dense(3, input_dim=1,activation="selu",kernel_initializer="lecun_normal"))
+model.add(Dense(3, activation=tf.keras.activations.selu))
 </sxh>
@@ Línea 907: / Línea 910: @@
   * La probabilidad de que haya que comprar mañana acciones de la empresa Y.
   * La probabilidad de que haya que comprar mañana acciones de la empresa Z.
+Es decir se puede usar para clasificar entre 2 opciones pero también se puede usar cuando son más de dos opciones pero que no sean excluyentes entre ellas.
 <note tip>
@@ Línea 960: / Línea 965: @@
 <sxh python>
+from sklearn.preprocessing import LabelBinarizer
 y=iris.target
 label_binarizer = LabelBinarizer()
@@ Línea 986: / Línea 993: @@
+===== Guardando modelos a disco =====
+Una vez tenemos la red neuronal entrenada, la podemos guardar a disco para poder usarla en otro programa.
+  * Para guardar la red
+<sxh python>
+model=Sequential()
+model.add(Dense(10, activation="sigmoid",input_dim=2))
+model.compile(loss="mse")
+history=model.fit(x_train,y_train,validation_data=(x_test,y_test),epochs=10,verbose=False)
+model.save('my_red_neuronal.keras')
+</sxh>
+  * Para cargar la red en otro programa
+<sxh python>
+model=tf.keras.models.load_model('my_red_neuronal.keras')
+</sxh>
+  * Si el modelo al crearse usó funciones personalizadas, se debe usar el parámetro ''custom_objects''. Por ejemplo si se usó la función ''specificity'' se debe cargar:
+<sxh python>
+model=tf.keras.models.load_model('my_red_neuronal.keras',custom_objects={"specificity": specificity})
+</sxh>
+Más información:
+  * [[https://www.tensorflow.org/api_docs/python/tf/keras/saving/save_model|tf.keras.saving.save_model]]
 ===== Redes Neuronales Famosas =====

logongas

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página