Comments on: Una sencilla Red Neuronal en Python con Keras y Tensorflow

By: Victor Mandelman

Victor Mandelman — Sun, 19 Feb 2023 17:44:33 +0000

Hola Juan Ignacio, te felicito por tu trabajo, no soy informático, entonces agradezco el conocimiento que entregas, los críticos , que paguen un curso sin errores de sintaxis, muy desagradecidos.
El objetivo lo cumpliste. Te felicito y vamos por mas, Relacionado con el MKT y python?

By: javi

javi — Sun, 12 Jun 2022 10:28:59 +0000

Me encantó, gracias!!!!! Me ha servido para aprender mejor el concepto de la red, yo ya tenia cierto conocimiento porque soy ingeniero de telecos y llevaba un tiempo leyendo del tema y practicando. Cuando intentaba entenderlo me encontraba con redes enormes como las de clasificacion de imagenes, y acababa saturado al intentar entender el concepto de funcionamiento no me daba para más la cabeza. Pero algo tan sencillo no me lo había encontrado, genial gracias la verdad

By: Gabriel

Gabriel — Thu, 20 Jan 2022 01:20:50 +0000

Buenas noches comunidad !
Saludo y agradezco a Juan Ignacio por compartir su conocimiento en éste blog.
En mi caso, estoy iniciando en redes neuronales, y me fue de gran ayuda el ejemplo y documentación.
Tomo el atrevimiento de realizar una consulta y solicitar una sugerencia a la comunidad, y es que en una problemática a resolver mi capa de entrada consta de una lista de listas de 11 elementos
ejemplo lista = [0, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1]
si bien consta de ceros y unos, entiendo que usar el parámetro metrics=[«binary_accuracy»] de model.compile , es erróneo, ya que al intentar utilizar la red entrenada me arroja un error
raise ValueError(f’Input {input_index} of layer «{layer_name}» ‘

ValueError: Exception encountered when calling layer “sequential” (type Sequential).

Input 0 of layer “dense” is incompatible with the layer: expected min_ndim=2, found ndim=1. Full shape

received: (None,)

Call arguments received:
inputs=tf.Tensor(shape=(None,), dtype=int32)
training=False
mask=None

debería utilizar otro metrics ?
Agradecido desde ya
Saludos

By: Na8

Na8 — Fri, 26 Mar 2021 08:59:03 +0000

In reply to Pablo.

Hola Pablo, gracias por escribir! Lo que dices es la etapa luego de entrenar el modelo, para hacer “predict” justamente, que es el objetivo final de la red neuronal (ó de cualquier modelo de ML).
Si te fijas, se muestra un ejemplo al final que pone:
predicciones = model.predict(AQUI_NUEVO_DATAFRAME_SIN_COLUMNA_LABEL)
Eso te dejará las predicciones nuevas y sólo tienes que asignarlas a la columna de label de tu “nuevo dataset”

Saludos!

By: Pablo

Pablo — Fri, 26 Mar 2021 01:32:56 +0000

Estuvo muy interesante! Te agradezco mucho. Recien comienzo con esto y el tutorial me parecio fantastico.

Mezclando este y otro tutorial me arme un ejemplo propio donde cargo 8 columnas de las cuales las primeras 7 son indicadores medicos y la ultima columna dice CERO/UNO e indica que ese paciente tuvo una determinada enfermedad.

Lo que no termino de entender, es como hacer el paso final que me convierte en util el modelo (ya leido, cargado, entrenado y evaluado): Es decir, ingresar un dataframe de por ejemplo 100 entradas con los 7 datos medicos y que me complete la columna de la enfermedad con cero/uno en un dataframe de output.

By: Na8

Na8 — Sun, 31 Jan 2021 09:11:12 +0000

In reply to Carlos Juan Diaz. Muchas gracias por el aporte!

By: Carlos Juan Diaz

Carlos Juan Diaz — Sun, 31 Jan 2021 01:39:38 +0000

Saludos
Me gusto los que hiciste. Me dio un pequeño error por que faltaba una instrucción :
import numpy as np
from keras.models import Sequential
from keras.layers.core import Dense

from keras.models import model_from_json

Luego de añadir esto todo corrió muy bien

By: Ruben

Ruben — Mon, 04 Jan 2021 16:26:47 +0000

Hola soy nuevo en redes neuronales, he visto que has entrenado una red neuronal. En el ejemplo tenemos una entrada de 2 salidas, luego utilizas una red neuronal de 16 neuronas y salida 1 neurona.

Imagino q es xq le metes 2 numeros y te sale un numero o 0 o 1 . Explicame lo de las 16 neuronas. Pq ese numero??

Luego despues de entrenar como lo pruebas?

Yo quiero crear una secuencia de 5 numeros y q me saquee otros 5 numeros o sea q se retroalimente?? Como harias esto?

Gracias o sea seria una entrada de 5 una salida de 5 ?

Muchas gracias

By: María Argáez

María Argáez — Fri, 10 Jul 2020 18:07:08 +0000

In reply to Na8. Muchas gracias! :D Saludos cordiales

By: Na8

Na8 — Fri, 10 Jul 2020 17:45:58 +0000

In reply to María Argáez.

Hola, gracias por escribir, es tan sencillo como usar un dataset donde tus etiquetas de salida sean númericas y pones como neurona de salida solo una.
Te dejó este enlace: https://www.tensorflow.org/tutorials/keras/regression?hl=es-419