Aula 12 – Tensor Flow – Redes Neurais – Multiplicação e Adição

More videos
   

Aula 12 – Tensor Flow – Redes Neurais – Multiplicação e Adição

Voltar para página principal do blog

Todas as aulas desse curso

Aula 11                      Aula 13

Meu github:

https://github.com/toticavalcanti

Documentação oficial do TensorFlow:

https://www.tensorflow.org/

Link para o notebook da aula:

notebook-da-aula

Python com Tensorflow

Python com Tensorflow

Se gostarem do conteúdo dêem um joinha 👍 na página do Código Fluente no
Facebook

https://digitalinnovation.one/

Link do código fluente no Pinterest

Aproveito para deixar meus link de afiliados:

Hostinger

Digital Ocean

One.com

Toti:

https://www.youtube.com/channel/UCUEtjLuDpcOvR3mIUr-viOA

Backing track / Play-along:

https://www.youtube.com/channel/UCT3TryVMqTqYBjf5g5WAHfA

Código Fluente

https://www.youtube.com/channel/UCgn-O-88XBAwdG9gUWkkb0w

Putz!

https://www.youtube.com/channel/UCZXop2-CECwyFYmHbhnAkAw

Fiquem a vontade para me adicionar ao linkedin.

Aula 12 – Tensor Flow – Redes Neurais – Multiplicação e Adição

Recapitulando

Já aprendemos sobre Sessions, Graphs, Variables e Placeholders.

Com esses componentes, podemos criar nosso primeiro neurônio.

Vamos criar um neurônio que executa um ajuste linear muito simples para alguns dados 2D.

Passos a seguir:

  • Construir o grafo
  • Iniciar a sessão
  • Alimentar com os dados e pegar a saída

Iremos construir o grafo para: wx + b = z que já vimos nas aulas anteriores.

TensorFlow

TensorFlow

Código


#Importando o tensorflow e o numpy
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np

#Função que define a semente aleatória do gerador de números pseudo-aleatórios NumPy
np.random.seed(97)

#O tf.set_random_seed() define a semente no nível do gráfico, portanto, ele seleciona 
#deterministicamente a semente para cada operação no gráfico.
tf.set_random_seed(97)

#Criando pontos aleatórios
rand_a = np.random.uniform(0, 100, (5, 5))
print(rand_a)

rand_b = np.random.uniform(0, 100, (5, 1))
rand_b

#Criando as variáveis a e b
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)

#Operações de adição e de multiplicação
add_op = a + b
mult_op = a * b

#Criando a sessão que vai passar os dados no dicionário de feed, 
#ou seja, de entrada, as chaves a e b são placeholders
with tf.Session() as sess:
  add_result = sess.run(add_op, feed_dict = {a: 10, b: 20})
  print(add_result)
  mult_result = sess.run(mult_op, feed_dict = {a: 10, b: 20})
  print(mult_result)

#Agora com os valores criados aleatoriamente e atribuídos a rand_a e rand_b
with tf.Session() as sess:
  add_result = sess.run(add_op, feed_dict = {a: rand_a, b: rand_b})
  print("Adição:")
  print(add_result)
  print()
  print("Multiplicação:")
  mult_result = sess.run(mul_op, feed_dict = {a: rand_a, b: rand_b})
  print(mult_result)

Por essa aula é só, na próxima a gente constrói nossa primeira rede neural.

Nos vemos na próxima, \o/ e até lá.

Link para o notebook da aula:

notebook-da-aula

Ficamos por aqui e até a próxima.

Voltar para página principal do blog

Todas as aulas desse curso

Aula 11                      Aula 13

https://github.com/toticavalcanti

Se gostarem do conteúdo dêem um joinha 👍 na página do Código Fluente no
Facebook

Link do código fluente no Pinterest

Novamente deixo meus link de afiliados:

Hostinger

Digital Ocean

One.com

Obrigado, até a próxima e bons estudos. 😉

 

About The Author
-

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>