Redes Neuronales Convolucionales + Ejemplo usando Keras-Tensorflow 

Buen video, tengo 2 preguntas, cuando mencionas a las imagenes como data estructurada ,no seria data no estructurada, y otra pregunta, por cada convolusion el volumen se duplica? Gracias.

me podrías ayudar con la bibliografía utilizada por favor. Excelente video

I guess im asking the wrong place but does any of you know of a method to get back into an instagram account?? I was stupid forgot the login password. I love any tips you can give me!

@Killian Rocky Instablaster =)

@Simon Azariah Thanks for your reply. I found the site thru google and Im waiting for the hacking stuff now. Looks like it's gonna take a while so I will get back to you later with my results.

yo también quiero la bibliografía, quizá la encontró o me puede recomendar alguna por favor

Sí, lo es

import sys import os from tensorflow.python.keras.preprocessing.image import ImageDataGenerator from tensorflow.python.keras import optimizers from tensorflow.python.keras.models import Sequential from tensorflow.python.keras.layers import Dropout, Flatten, Dense, Activation from tensorflow.python.keras.layers import Convolution2D, MaxPooling2D from tensorflow.python.keras import backend as K K.clear_session() data_entrenamiento = './data/entrenamiento' data_validacion = './data/validacion' """ Parameters """ epocas=20 longitud, altura = 150, 150 batch_size = 32 pasos = 1000 validation_steps = 300 filtrosConv1 = 32 filtrosConv2 = 64 tamano_filtro1 = (3, 3) tamano_filtro2 = (2, 2) tamano_pool = (2, 2) clases = 3 lr = 0.0004 ##Preparamos nuestras imagenes entrenamiento_datagen = ImageDataGenerator( rescale=1. / 255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True) test_datagen = ImageDataGenerator(rescale=1. / 255) entrenamiento_generador = entrenamiento_datagen.flow_from_directory( data_entrenamiento, target_size=(altura, longitud), batch_size=batch_size, class_mode='categorical') validacion_generador = test_datagen.flow_from_directory( data_validacion, target_size=(altura, longitud), batch_size=batch_size, class_mode='categorical') cnn = Sequential() cnn.add(Convolution2D(filtrosConv1, tamano_filtro1, padding ="same", input_shape=(longitud, altura, 3), activation='relu')) cnn.add(MaxPooling2D(pool_size=tamano_pool)) cnn.add(Convolution2D(filtrosConv2, tamano_filtro2, padding ="same")) cnn.add(MaxPooling2D(pool_size=tamano_pool)) cnn.add(Flatten()) cnn.add(Dense(256, activation='relu')) cnn.add(Dropout(0.5)) cnn.add(Dense(clases, activation='softmax')) cnn.compile(loss='categorical_crossentropy', optimizer=optimizers.Adam(lr=lr), metrics=['accuracy']) cnn.fit_generator( entrenamiento_generador, steps_per_epoch=pasos, epochs=epocas, validation_data=validacion_generador, validation_steps=validation_steps) target_dir = './modelo/' if not os.path.exists(target_dir): os.mkdir(target_dir) cnn.save('./modelo/modelo.h5') cnn.save_weights('./modelo/pesos.h5')

@light lrc si logre resolverlo, gracias por la ayuda.

@@gabrielachiluisa8855 disculpe como lo resolvio

Hola, me podrias ayudar como lo terminaste resolviendo