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

Cvičení

Experimenty se širšími sítěmi

Teď už víš vše, co potřebuješ k experimentování s různými modely!

Model model_1 je předem načtený. Jeho shrnutí si můžeš prohlédnout v IPython Shellu. Jde o relativně malou síť s pouhými 10 uzly v každé skryté vrstvě.

V tomto cvičení vytvoříš nový model model_2, který je podobný modelu model_1, ale má 100 uzlů v každé skryté vrstvě.

Jakmile model_2 vytvoříš, oba modely se natrénují a zobrazí se graf znázorňující hodnotu ztrátové funkce obou modelů v každé epoše. Do příkazů pro trénování jsme přidali argument verbose=False, aby se vypisovalo méně průběžných informací – výsledky totiž budeš sledovat graficky, ne jako text.

Protože se trénují dva modely, po spuštění kódu chvíli počkej, než se výstupy zobrazí.

Pokyny

100 XP
  • Vytvoř model_2 jako repliku model_1, ale pro první dvě vrstvy Dense s aktivací 'relu' použij místo 10 uzlů 100. Pro výstupní vrstvu Dense použij 2 uzly a jako activation nastav 'softmax'.
  • Zkompiluj model_2 stejně jako předchozí modely: jako optimizer použij 'adam', pro ztrátovou funkci 'categorical_crossentropy' a nastav metrics=['accuracy'].
  • Klikni na Submit Answer – oba modely se natrénují a uvidíš, který podává lepší výsledky! Všimni si klíčového argumentu verbose=False v model.fit(): omezuje množství vypisovaných informací, protože modely budeš hodnotit graficky, ne prostřednictvím textu.