1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do hlubokého učení s Keras
Connected

Cvičení

Závlahový stroj

Automatizuješ zálivku zemědělských parcel pomocí inteligentního závlahového stroje. Problémy s multi-label klasifikací se od multi-class klasifikace liší tím, že každé pozorování může být označeno nulou nebo více třídami. Třídy a štítky tedy nejsou vzájemně exkluzivní – závlahu lze spustit pro všechny parcely, žádnou z nich nebo pro libovolnou kombinaci, a to v závislosti na vstupních hodnotách.

Abychom toto chování zohlednili, použijeme výstupní vrstvu s tolika neurony, kolik je tříd – tentokrát však, na rozdíl od multi-class problémů, má každý výstupní neuron aktivační funkci sigmoid. Díky tomu může každý neuron ve výstupní vrstvě nezávisle produkovat číslo v rozsahu 0 až 1.

Model Sequential() a vrstvy Dense() jsou připraveny k použití. Je čas sestavit inteligentní závlahový stroj!

Pokyny

100 XP
  • Vytvoř instanci modelu Sequential().
  • Přidej skrytou vrstvu s 64 neurony, kde počet vstupních neuronů odpovídá počtu senzorů, a použij aktivaci relu.
  • Přidej výstupní vrstvu s tolika neurony, kolik je parcel, a aktivací sigmoid.
  • Zkompiluj model s optimizátorem adam a ztrátovou funkcí binary_crossentropy.