Eu tive que fazer algumas alterações no código, pois algumas coisa estão desatualizadas e para salvar salvei no formato .keras.
# Normalização
# imagens_treino = imagens_treino/float(255)
imagens_treino = imagens_treino.astype("float32") / 255.0
modelo = keras.Sequential([keras.Input(shape=(28, 28)), # modelo
keras.layers.Flatten(),
#keras.layers.Dense(256, activation = tf.nn.relu), # processamento, usar números multiplos de 2 dentro da função Dense
keras.layers.Dense(256, activation="relu"),
# keras.layers.Dense(128, activation = tf.nn.relu),
# keras.layers.Dense(64, activation = tf.nn.relu),
keras.layers.Dropout(0.2),
# keras.layers.Dense(10, activation = tf.nn.softmax)]) # saída
keras.layers.Dense(10, activation="softmax")])
modelo.compile(optimizer = 'adam',
loss = 'sparse_categorical_crossentropy',
metrics = ['accuracy'])
historico = modelo.fit(imagens_treino, identificacoes_treino, epochs = 30, validation_split = 0.2)
modelo.save('modelo.keras')
modelo_salvo = keras.models.load_model('modelo.keras')
Dessa maneira não apareceu nenhum Warning e queria saber sobre qual a melhor forma de fazer esse código? Vejo que esse curso tem que ser atualizado.