Začněte nyníZačněte zdarma

Neuronové oddělování

Nasaď rukavice – čeká tě operace mozku!

Neurony se učí tak, že aktualizují své váhy a produkují výstupy, které jim pomáhají lépe rozlišovat mezi různými výstupními třídami v datasetu. Využiješ funkci inp_to_out(), kterou jsi právě sestavil/a, a vizualizuješ výstup dvou neuronů v první vrstvě modelu Banknote Authentication model v průběhu jeho učení.

model z 2. kapitoly je připravený k použití, stejně jako X_test a y_test. Pokud si chceš prohlédnout funkci plot(), zadej do konzole show_code(plot).

Jde o náročný výpočet – až bude vše hotovo, proklikej se grafy a sleduj oddělování tříd v přímém přenosu!

Toto cvičení je součástí kurzu

Úvod do hlubokého učení s Keras

Zobrazit kurz

Pokyny k cvičení

  • Pomocí dříve definované funkce inp_to_out() získej výstupy první vrstvy pro vstupní data X_test.
  • Pomocí metody model.evaluate() zjisti validační přesnost na testovacím datasetu v každé epoše.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Upravit a spustit kód