-
Notifications
You must be signed in to change notification settings - Fork 711
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Duda #4
Comments
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Gracias de nuevo por el ejemplo.
El ejercicio me corrió correctamente en jupytrt. Quería consultarte acerca de una duda al inicio de la programación. Cuando creas las arrays para las 4 entradas de la función XOR y sus 4 salidas, estos es:
cargamos las 4 combinaciones de las compuertas XOR
training_data = np.array([[0,0],[0,1],[1,0],[1,1]], "float32")
y estos son los resultados que se obtienen, en el mismo orden
target_data = np.array([[0],[1],[1],[0]], "float32")
Después creas la red, la compilas, la entrenas y la evaluas.
model = Sequential()
model.add(Dense(16, input_dim=2, activation='relu'))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='mean_squared_error',
optimizer='adam',
metrics=['binary_accuracy'])
model.fit(training_data, target_data, epochs=1000)
evaluamos el modelo
scores = model.evaluate(training_data, target_data)
En donde se especifica o como hace la red para saber que cada elemento del array de la función XOR corresponde a cada elemento del array de la salida?. Esto es, como sabe que el primer elemento del array de de XOR corresponde al primer elemento del array de salida:
training_data = np.array([[0,0] --> target_data = np.array([[0]
training_data = np.array([[0,1] --> target_data = np.array([[1]
training_data = np.array([[1,0] --> target_data = np.array([[1]
training_data = np.array([[1,1] --> target_data = np.array([[0]
Gracias y saludos.
The text was updated successfully, but these errors were encountered: