En este tema, aprenderemos a construir una red neuronal simple utilizando TensorFlow y Keras. Este es un paso fundamental para entender cómo funcionan las redes neuronales y cómo podemos utilizarlas para resolver problemas de aprendizaje automático.

• Comprender la estructura básica de una red neuronal.
• Aprender a construir una red neuronal simple utilizando TensorFlow y Keras.
• Entrenar la red neuronal con un conjunto de datos.
• Evaluar el rendimiento de la red neuronal.

Una red neuronal se compone de capas de neuronas. Las capas más comunes son:

• Capa de entrada: Recibe los datos de entrada.
• Capas ocultas: Procesan los datos a través de funciones de activación.
• Capa de salida: Produce la salida final.

Imaginemos una red neuronal con:

• Una capa de entrada con 784 neuronas (por ejemplo, para imágenes de 28x28 píxeles).
• Una capa oculta con 128 neuronas.
• Una capa de salida con 10 neuronas (por ejemplo, para clasificar dígitos del 0 al 9).

Utilizaremos la API secuencial de Keras para definir nuestra red neuronal.

• layers.Flatten(input_shape=(28, 28)): Aplana la entrada de 28x28 píxeles en un vector de 784 elementos.
• layers.Dense(128, activation='relu'): Capa densa con 128 neuronas y función de activación ReLU.
• layers.Dense(10, activation='softmax'): Capa densa con 10 neuronas y función de activación softmax para clasificación.

• optimizer='adam': Utiliza el optimizador Adam.
• loss='sparse_categorical_crossentropy': Función de pérdida para clasificación categórica.
• metrics=['accuracy']: Métrica de precisión para evaluar el modelo.

Para entrenar el modelo, utilizaremos el conjunto de datos MNIST, que contiene imágenes de dígitos escritos a mano.

• mnist.load_data(): Carga el conjunto de datos MNIST.
• x_train, x_test = x_train / 255.0, x_test / 255.0: Normaliza los datos de entrada.
• model.fit(x_train, y_train, epochs=5): Entrena el modelo durante 5 épocas.

• model.evaluate(x_test, y_test, verbose=2): Evalúa el modelo en el conjunto de prueba.
• print('\nPrecisión en el conjunto de prueba:', test_acc): Imprime la precisión del modelo.

Modifica la red neuronal para que tenga dos capas ocultas con 64 y 32 neuronas respectivamente. Entrena y evalúa el modelo.

Solución

En esta sección, hemos aprendido a construir una red neuronal simple utilizando TensorFlow y Keras. Hemos cubierto los pasos para definir, compilar, entrenar y evaluar el modelo. Además, hemos realizado un ejercicio práctico para reforzar los conceptos aprendidos. En el próximo tema, exploraremos las funciones de activación en mayor detalle.