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

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.

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)