Redes neurais e camadas

Introdução ao Aprendizado Profundo com o PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Camadas da rede neural

Um diagrama que representa uma rede neural com entrada, camada oculta e saída

Camadas da rede neural

Um diagrama que representa uma rede neural com entrada, camada oculta e saída

Camadas da rede neural

Um diagrama que representa uma rede neural com entrada, camada oculta e saída

Camadas da rede neural

Um diagrama que representa uma rede neural com entrada, camada oculta e saída

Nossa primeira rede neural

Um diagrama que representa uma rede neural básica com apenas entrada e saída

Rede totalmente conectada
Equivalente a um modelo linear

Criação de uma rede neural

Três nós que representam a entrada de uma rede neural

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])

Neurônios de entrada = atributos
Neurônios de saída = classes

Criação de uma rede neural

Três nós representando a entrada de uma rede neural com setas apontando para frente para representar a camada linear

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(

                         in_features=3,

                         out_features=2

                         )

Criação de uma rede neural

Um diagrama que representa uma rede neural básica com apenas entrada e saída

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(
                         in_features=3, 
                         out_features=2
                         )


# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

Criação de uma rede neural

Um diagrama que representa uma rede neural básica com apenas entrada e saída

$$ $$ $$

# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

tensor([[-0.2415, -0.1604]], 
    grad_fn=<AddmmBackward0>)

Pesos e vieses

output = linear_layer(input_tensor)

Representação de operação linear

Pesos e vieses

.weight
```
print(linear_layer.weight)
```

Parameter containing:
tensor([[-0.4799,  0.4996,  0.1123],
        [-0.0365, -0.1855,  0.0432]], 
        requires_grad=True)

Reflete a importância de diferentes atributos

.bias
```
print(linear_layer.bias)
```

Parameter containing:
tensor([0.0310, 0.1537], requires_grad=True)

Fornece ao neurônio uma saída de referência

Uma rede totalmente conectada em ação

Um diagrama que representa uma rede neural básica com apenas entrada e saída

Uma rede totalmente conectada em ação

Um diagrama que representa uma rede neural básica com apenas entrada e saída

Uma rede totalmente conectada em ação

Um diagrama que representa uma rede neural básica com apenas entrada e saída

O atributo de umidade terá um peso mais significativo
O viés leva em conta as informações de referência

Vamos praticar!

Introdução ao Aprendizado Profundo com o PyTorch