Page 32 - Revista 2021 - 2022

Revista de la Facultad de Ingeniería, Año 7, Número 1
Al trabajar con imágenes, es recomendable que la representación de estas imágenes
en las matrices contenga números pequeños ya que las operaciones matemáticas
entre tantos valores pueden afectar la performance del modelo. Para lograr la
normalización de los datos se debe dividir el contenido de cada celda por el valor
máximo que en estas contienen. En este caso cada celda tiene valores entre 0 y 255
(siendo 0 el negro y 255 el blanco) por lo que el valor por el que se debe realizar la
división es 255 obteniendo de esta forma valores entre 0 y 1 (ver Figura 7).

Figura 7: Normalización de los datos para entrenamiento y pruebas
Nota: Fuente: Elaboración Propia

Trabajar con modelos de inteligencia artificial requiere el uso de estructuras
específicas, sean estas matrices, vectores u otras. Para conocer cuáles son las
estructuras que poseen nuestros objetos y validar que las mismas sean las correctas
se presenta, a modo de ejemplo, las estructuras utilizadas para los conjuntos de
datos de entrenamiento y prueba, así como también la estructura que tiene cada uno
de los elementos que se guardan en estos conjuntos (ver Figura 10).

Figura 8: Estructuras utilizadas y su forma
Nota: Fuente: Elaboración Propia

Una vez que se disponen de los datos en las estructuras necesarias para realizar el
entrenamiento, es el momento de crear el modelo y la arquitectura que contendrá
nuestra red neuronal convolucional. En la Figura 9, se observa el código necesario
para definir, compilar y entrenar el modelo creado en el ejemplo.

31