Mi proyecto del curso: Introducción a la IA con Python

Tome lo de las ultimas clases y hice un clasificador entre 4 personas(artistas japonesas, perfume(Achan, Nocchi, Kashiyuka) y una artista kyary pamyu pamyu), trate de mejorar el proyecto de la unidad 6, con un mejor dataset y una mayor creacion de datos, y probando con varias redes neuronales:

data_gen_entrenamiento = datagen.flow_from_directory(
"/home/asaek/Downloads/ai_chan/dataset_kpp_perfume/",
target_size = (224,224),
batch_size = 256,
shuffle = True,
subset = "training",
)

Y como modelo trate con 2 modelos, aun que obtuve mejores resultados con el modelo preentrenado de MobileNetV2 igual aqui muestro los 2 modelos:

modelo = tf.keras.Sequential([
tf.keras.layers.Conv2D(32, (3, 3), activation="relu", input_shape=(224, 224, 3)),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Conv2D(32, (3, 3), activation="relu"),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Conv2D(32, (3, 3), activation="relu"),
tf.keras.layers.MaxPooling2D(2,2),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(100, activation="relu"),
tf.keras.layers.Dense(4, activation="softmax")
])

modelo = tf.keras.Sequential([
mobiletv2,
# tf.keras.layers.Dense(100, activation="relu"),
tf.keras.layers.Dense(4, activation="softmax")
])

Al final obtuve esto resultados:

1/1 [==============================] - 7s 7s/step - loss: 0.1105 - accuracy: 0.9922 - val_loss: 0.2934 - val_accuracy: 0.9688

Si puedo agregar algo como experiencia es que importa mucho el trato de datos con el que vas a alimentar la red neuronal, aun que realmente todo importa hasta cierto punto, tienes que tener un nivel de calidad en cada aspecto para tener buenos resultados, Gracias Rodrigo Montemayor por tan buen curso y las buenas practicas ense;adas.