COSTRUIAMO INSIEME una RETE NEURALE grazie a NVIDIA!

[@drice99]

Metto qua il codice perché ho appena scoperto (grazie ai commenti del codice) che la descrizione di KZbin funziona come nei Markdown: import tensorflow as tf import matplotlib.pyplot as plt # Verifica se TensorFlow rileva la GPU tf.config.list_physical_devices('GPU') # Caricamento del dataset Fashion MNIST fashion_mnist = tf.keras.datasets.fashion_mnist (train_images, train_labels), (valid_images, valid_labels) = fashion_mnist.load_data() # Normalizzazione dei dati di input train_images = (train_images / 255.0).astype('float32') valid_images = (valid_images / 255.0).astype('float32') # Visualizzazione di un esempio data_idx = 42 plt.figure() plt.imshow(train_images[data_idx], cmap='gray') plt.colorbar() plt.grid(False) plt.show() print("Etichetta dell'immagine:", train_labels[data_idx]) # Numero di classi number_of_classes = train_labels.max() + 1 # Creazione del modello model = tf.keras.Sequential([ tf.keras.layers.Flatten(input_shape=(28, 28)), tf.keras.layers.Dense(number_of_classes), tf.keras.layers.Softmax() # Aggiunto Softmax per output probabilistici ]) model.summary() # Compilazione del modello model.compile(optimizer='adam', loss=tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False), # Softmax già presente metrics=['accuracy']) # Addestramento del modello history = model.fit( train_images, train_labels, epochs=5, verbose=True, validation_data=(valid_images, valid_labels) ) # Predizione su un insieme di dati predictions = model.predict(train_images[0:10]) # Visualizzazione delle predizioni per l'indice specificato plt.figure() plt.imshow(train_images[data_idx], cmap='gray') plt.colorbar() plt.grid(False) plt.show() # Visualizzazione delle probabilità delle classi previste x_values = range(number_of_classes) plt.figure() plt.bar(x_values, predictions[data_idx % 10].flatten()) # % 10 per stare nel range plt.xticks(range(10)) plt.xlabel("Classi") plt.ylabel("Probabilità") plt.title(f"Predizione per l'indice {data_idx}") plt.show() print("Risposta corretta:", train_labels[data_idx])

[@corradoforza]

Ottimo video! Sei di Brescia?

[@drice99]

@@corradoforza Grazie! Sì, si sente così tanto? Ahahah