Those are notes from a 2018 class, based on a online course. The proporse of my notes are only to demonstrate the Tensorflow potential. I was unable to find the code, so I will leave this untraslated

• Me retornar duas tuplas. Duas listas imutáveis, traduzindo do termo matemático

• Pego argumento para ter treino e teste, separando as 2 turmas para dois usos distintos

• Tupla separada para treino tem 6000 e 1000 para teste

• Com shape de 28x28

• Uma biblioteca do Python apenas para visualizar os dados, usada é: import matplotlib.pyplot as plt

• As imagens são identificadas por um número, para eu saber que imagem é tal imagem. total_de_classificacoes = 10 nomes_de_classificacoes = [‘Camiseta’, ‘Calça’, ‘Pullover’, ‘Vestido’, ‘Casaco’, ‘Sandália’, ‘Camisa’, ‘Tênis’, ‘Bolsa’, ‘Bota’]

  

• Input shape eu digo o tamanho da minha imagem, o flatten para deixar elas com uma dimensão.

• Antes de deixar a camada mais densa:

  

Normal

Para uma onde todo mundo fala com todo mundo:

Camada do tipo dense ou camada totalmente conectada

O que vou estar fazendo:

Para:

1. Achato as imagens que são 28x28
2. Faço o cálculo relu. Por ter poucas camadas, posso deixar mais camadas. Alguns consideram apenas se tiver mais camadas
3. Faço dropout de 0.2 (20%) que é o recomendado para ajudar lá em baixo para não dar overfit