Atividade 1 - Importando a biblioteca TensorFlow e os conjuntos de dados

Importar Dependências

Pacotes

A primeira coisa que precisamos fazer é importar a biblioteca TensorFlow para que possamos utilizar funções que nos permitirão treinar o modelo.

Também utilizaremos gráficos para visualizar as previsões do nosso modelo. Para isso, precisamos importar as seguintes bibliotecas:

# Importando as bibliotecas TensorFlow e tf.keras
import tensorflow as tf
from tensorflow import keras 

# Bibliotecas auxiliares para estatísticas e visualização de dados
import numpy as np
import matplotlib.pyplot as plt 

Essas bibliotecas são essenciais pois fornecem uma coleção de métodos e funções já prontos. Importá-las para nosso programa permite usá-las sem reescrever tudo do zero. Por exemplo, com TensorFlow e NumPy, podemos trabalhar com redes neurais e arrays de forma prática.

Carregar Conjuntos de Dados

Agora vamos carregar o dataset Fashion MNIST, que contém imagens de roupas usadas para treinar nosso modelo.

# Carregando o dataset Fashion MNIST da biblioteca keras.datasets
fashion_mnist = keras.datasets.fashion_mnist 

# Carregando os dados em quatro variáveis:
# train_images e train_labels serão usados para treinar o modelo
# test_images e test_labels serão usados para testar a performance do modelo
(train_images, train_labels), (test_images, test_labels) = fashion_mnist.load_data() 

Preparar os Dados

O próximo passo é criar uma lista com os nomes das categorias de roupas, usando a variável class_names.

O seu gerente forneceu a lista de categorias de roupas processadas no armazém. Vamos armazenar isso em uma lista chamada class_names.

title: “Atividade 2 - Exibindo Valores de Cor RGB para Imagens” date: 2020-09-09T16:19:17-07:00 prereq: “Fundamentos de Python: Funções - Funções integradas, Funções de bibliotecas; Tipos de Dados - Strings, Números, Leitura do console; Estruturas de Dados - Listas” difficulty: Intermediário weight: 3 draft: false

Visualizar Imagens das Amostras

Vamos agora visualizar a imagem de um sapato da nossa coleção de amostras de roupas usando o código abaixo.

Copie e cole o seguinte código no seu notebook do Google Colab:

plt.figure()
plt.imshow(train_images[0]) # Exibe a primeira imagem como um gráfico de pixels coloridos
plt.colorbar() # Mostra a barra de cores à direita
plt.grid(False)
plt.show() # Exibe o gráfico completo

Pergunta 1:

Depois de analisar o sapato, queremos visualizar outro item da coleção. Você consegue descobrir como fazer isso com base no código anterior?

Normalizar os Valores dos Pixels

O programa que escreveremos exige valores entre 0 e 1. Porém, os nossos pixels vão de 0 a 255. Como podemos ajustar essa faixa de números para que caibam entre 0 e 1?

Usaremos um processo chamado “normalização”, que transforma os valores dividindo todos eles por um único valor — nesse caso, 255 — para encaixar o intervalo entre 0 e 1.

Pergunta 2:

Você consegue adivinhar por qual número devemos dividir os valores para normalizá-los?

Copie e cole o código abaixo no seu notebook:

# Os valores de train_images e test_images vão de 0 a 255.
# Para normalizar, dividimos todos por 255 para que fiquem entre 0 e 1.
train_images = train_images / 255.0 
test_images = test_images / 255.0