Začněte nyníZačněte zdarma

Rozpoznávání číslic

Teď si postavíš model na datasetu digits – ukázkovém datasetu, který je předinstalovaný ve scikit-learn. Dataset digits obsahuje ručně psané číslice od 0 do 9 ve formátu 8×8 pixelů:

Cílem je rozpoznat každou z 10 možných číslic na základě obrázku – jde tedy o klasifikaci do více tříd.

Dataset je už rozdělený na X_train, y_train, X_test a y_test, přičemž 30 % dat tvoří testovací sadu. Popisky jsou už zakódované jako one-hot vektory, takže funkci to_categorical() z Kerasu nepotřebuješ.

Pojďme sestavit tento nový model!

Toto cvičení je součástí kurzu

Úvod do hlubokého učení s Keras

Zobrazit kurz

Pokyny k cvičení

  • Přidej vrstvu Dense s 16 neurony, aktivací relu a parametrem input_shape nastaveným na celkový počet pixelů obrázku číslice 8×8.
  • Přidej vrstvu Dense s 10 výstupy a aktivací softmax.
  • Zkompiluj model s optimalizátorem adam, ztrátovou funkcí categorical_crossentropy a metrikou accuracy.
  • Ověř, že model funguje, a spusť predikci na X_train.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Instantiate a Sequential model
model = Sequential()

# Input and hidden layer with input_shape, 16 neurons, and relu 
model.add(Dense(____, input_shape = (____,), activation = ____))

# Output layer with 10 neurons (one per digit) and softmax
model.____(____)

# Compile your model
model.____(optimizer = ____, loss = ____, metrics = [____])

# Test if your model is well assembled by predicting before training
print(model.predict(____))
Upravit a spustit kód