Aprendizado profundo com Keras - importando bibliotecas

Primeiro importamos as várias bibliotecas exigidas pelo código em nosso projeto.

Manipulação e plotagem de matriz

Normalmente, usamos numpy para manipulação de array e matplotlibpara plotagem. Essas bibliotecas são importadas em nosso projeto usando o seguinteimport afirmações

import numpy as np
import matplotlib
import matplotlib.pyplot as plot

Suprimindo avisos

Como o Tensorflow e o Keras continuam revisando, se você não sincronizar suas versões apropriadas no projeto, você verá muitos erros de aviso no tempo de execução. Como eles desviam a sua atenção do aprendizado, estaremos suprimindo todos os avisos neste projeto. Isso é feito com as seguintes linhas de código -

# silent all warnings
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='3'
import warnings
warnings.filterwarnings('ignore')
from tensorflow.python.util import deprecation
deprecation._PRINT_DEPRECATION_WARNINGS = False

Keras

Usamos bibliotecas Keras para importar conjuntos de dados. Vamos usar omnistconjunto de dados para dígitos manuscritos. Importamos o pacote necessário usando a seguinte instrução

from keras.datasets import mnist

Estaremos definindo nossa rede neural de aprendizado profundo usando pacotes Keras. Nós importamos oSequential, Dense, Dropout e Activationpacotes para definir a arquitetura da rede. Nós usamosload_modelpacote para salvar e recuperar nosso modelo. Nós também usamosnp_utilspara alguns utilitários que precisamos em nosso projeto. Essas importações são feitas com as seguintes declarações do programa -

from keras.models import Sequential, load_model
from keras.layers.core import Dense, Dropout, Activation
from keras.utils import np_utils

Ao executar este código, você verá uma mensagem no console que diz que Keras usa TensorFlow no back-end. A captura de tela nesta fase é mostrada aqui -

Agora, como temos todas as importações exigidas por nosso projeto, continuaremos a definir a arquitetura para nossa rede de Deep Learning.