1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do deep learningu v Pythonu
Connected

cvičení

Definování modelu

Teď si vyzkoušíš práci s prvním modelem v Kerasu a hned uvidíš, že dokážeš spouštět složitější modely neuronových sítí na větších datasetech než v prvních dvou kapitolách.

Nejprve doplníš kostru neuronové sítě o skrytou vrstvu a výstupní vrstvu. Pak model natrénuješ a uvidíš, jak za tebe Keras provede optimalizaci, takže se model průběžně zlepšuje.

Konkrétně budeš předpovídat mzdy pracovníků na základě vlastností, jako jsou jejich odvětví, vzdělání a délka praxe. Dataset najdeš v pandas DataFrame s názvem df. Pro pohodlí bylo vše v df kromě cílové proměnné převedeno na NumPy pole nazvané predictors. Cílová proměnná wage_per_hour je dostupná jako NumPy pole s názvem target.

Pro všechna cvičení v této kapitole jsou již naimportovány konstruktory Sequential a Dense i pandas.

Pokyny

100 XP
  • Ulož počet sloupců dat predictors do proměnné n_cols. Tento krok už je hotový.
  • Vytvoř Sequential model a pojmenuj ho model.
  • Pomocí metody .add() na objektu model přidej vrstvu Dense.
    • Nastav 50 jednotek, zadej activation='relu' a parametr input_shape jako n-tici (n_cols,), která říká, že každý řádek dat má n_cols hodnot a počet řádků může být libovolný.
  • Přidej další vrstvu Dense. Ta by měla mít 32 jednotek a aktivaci 'relu'.
  • Nakonec přidej výstupní vrstvu – jde o vrstvu Dense s jediným uzlem. Zde žádnou aktivační funkci nepoužívej.