Advertisement
Not a member of Pastebin yet?
Sign Up,
it unlocks many cool features!
- #pip3 install Keras==2.1.5
- #pip3 install numpy
- #pip install tensorflow==1.5
- import numpy as np
- from keras.models import Sequential
- from keras.layers.core import Dense
- # Cargo los estimulos en este caso los datos de las entradas para la puerta logica a y b
- estimulos = np.array([[0,0],[0,1],[1,0],[1,1]], "float32")
- # La respuesta de la puerta logica XOR
- #respuestas = np.array([[0],[1],[1],[0]], "float32")
- # La respuesta de la puerta logica AND
- #respuestas = np.array([[0],[0],[0],[1]], "float32")
- # La respuesta de la puerta logica OR
- respuestas = np.array([[0],[1],[1],[1]], "float32")
- model = Sequential()
- model.add(Dense(16, input_dim=2, activation='relu'))
- model.add(Dense(1, activation='sigmoid'))
- model.compile(loss='mean_squared_error',
- optimizer='adam',
- metrics=['binary_accuracy'])
- model.fit(estimulos, respuestas, epochs=1000)
- # evaluamos el modelo
- scores = model.evaluate(estimulos , respuestas)
- print("\n%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
- print (model.predict(estimulos ).round())
Advertisement
Add Comment
Please, Sign In to add comment
Advertisement