FC ConcursosFC Concursos

Questão FC331244

Considere o seguinte código que tenta criar e treinar uma rede neural simples com TensorFlow e Keras. Observe o erro que pode ocorrer ao tentar executá-lo (desconsidere questões de

Linguagens de Programação

FGV · 2024

Considere o seguinte código que tenta criar e treinar uma rede neural simples com TensorFlow e Keras. Observe o erro que pode ocorrer ao tentar executá-lo (desconsidere questões de indentação do Pythone):

 

import tensorflow as tf

model = tf.keras.Sequential ([

tf.keras.layers.Dense (64,

activation='relu'

input_shape=(100,)),

tf.keras;layers.Dense(1)])

Model.complile(optimizer='adam',

loss='mse')

model.fit(x_train, y_train, epochs=10)


Com base no código, assinale a opção que indica o erro que levaria a uma falha na execução.

  1. O modelo não pode ser compilado porque não possui uma função de métrica definida no método compile.
  2. O código falhará, pois x_train e y_train não foram definidos ou carregados.
  3. O método Dense precisa especificar a função de ativação sigmoid na última camada.
  4. O código apresenta erro na função de perda, que deveria ser definida como categorical_crossentropy.
  5. A função Sequential deveria ter os parâmetros explicitamente definidos como layers=[].
Mostrar resposta e comentário

Gabarito

B

Comentário do professor

A alternativa aponta corretamente que o erro decorre de chamar model.fit com variáveis inexistentes: o código usa x_train e y_train sem defini-las ou carregá‑las previamente. Em tempo de execução o Python levantará um NameError (por exemplo: name 'x_train' is not defined) e a chamada ao treino será abortada.

Além do erro de nome, para que o treino funcione essas variáveis devem ser estruturas compatíveis (por exemplo, numpy arrays ou um tf.data.Dataset) e ter formas coerentes com a arquitetura: x_train com shape igual a (n_samples, 100) para coincidir com input_shape=(100,), e y_train com (n_samples,) ou (n_samples,1).

Correção: definir/carregar os dados antes de chamar model.fit — por exemplo, usar arrays do NumPy, carregar um dataset (p. ex. tf.keras.datasets) ou construir um tf.data.Dataset com o mesmo número de amostras e tipos compatíveis.

Conteúdo do catálogo FC Concursos · Atualizado em

Continue aprendendo