Začněte nyníZačněte zdarma

Porovnání aktivačních funkcí II

Kód z předchozího cvičení byl spuštěn a vytvořil proměnnou activation_results, tentokrát ale místo 20 epoch bylo použito 100. Díky tomu budeš mít více epoch pro detailnější porovnání průběhu trénování jednotlivých aktivačních funkcí.

Pro každý h_callback každé aktivační funkce v activation_results byly extrahovány tyto hodnoty:

  • h_callback.history['val_loss']
  • h_callback.history['val_accuracy']

Obě jsou uloženy do dvou slovníků: val_loss_per_function a val_acc_per_function.

Pandas je k dispozici jako pd. Pojďme vykreslit grafy validační ztráty a přesnosti!

Toto cvičení je součástí kurzu

Úvod do hlubokého učení s Keras

Zobrazit kurz

Pokyny k cvičení

  • Pomocí pd.DataFrame() vytvoř nový DataFrame ze slovníku val_loss_per_function.
  • Na tomto DataFrame zavolej plot().
  • Vytvoř další pandas DataFrame ze slovníku val_acc_per_function.
  • Opět vykresli DataFrame pomocí plot().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a dataframe from val_loss_per_function
val_loss= ____.____(____)

# Call plot on the dataframe
____
plt.show()

# Create a dataframe from val_acc_per_function
val_acc = _____

# Call plot on the dataframe
____
plt.show()
Upravit a spustit kód