Construcción del modelo

• Escala de grises para que sea solo un canal de información.

• Convertimos la matriz en una lista.
• Salidas: 62
• Logits: capa de conexión
• Función de perdida (loss): , función de clasificación, mide la probabilidad
de error. Este caso es un caso de clasificación , ya que la data es discreta.
• Función para optimizar (train_opt): minimiza la función de pérdida(Se
puede usar: RMSProp, Adam , Gradiente descendente ).
• Predicción(final_pred): convierte los logits a etiquetas que se pueden
clasificar
• Ajustar la eficacia del modelo (accuracy): Para luego testear el resultado