Ein neuronales Netz bauen
Wir verwenden die Bibliothek Keras, um neuronale Netze zu erstellen und sie darauf zu trainieren, Bilder zu klassifizieren. Diese Modelle sind alle vom Typ Sequential. Das bedeutet: Die Ausgaben einer Schicht dienen jeweils nur der nächsten Schicht als Eingaben.
In dieser Übung erstellst du ein neuronales Netz mit Dense-Schichten. Dabei ist jede Einheit in jeder Schicht mit allen Einheiten der vorherigen Schicht verbunden. Zum Beispiel ist jede Einheit in der ersten Schicht mit allen Pixeln der Eingabebilder verbunden. Das Dense-Schichtobjekt erhält als Argumente die Anzahl der Einheiten in dieser Schicht und die Aktivierungsfunktion der Einheiten. Für die erste Schicht im Netzwerk kommt außerdem das Keyword-Argument input_shape hinzu.
Dieser Kurs streift viele Konzepte, die du vielleicht nicht mehr ganz präsent hast. Wenn du eine schnelle Auffrischung brauchst, lade dir das Keras Cheat Sheet herunter und halte es griffbereit!
Diese Übung ist Teil des Kurses
<Kurs>Bildmodellierung mit Keras</Kurs>Übungsanweisungen
- Die erste Schicht erhält Bilder als Eingabe, hat 10 Einheiten und
'relu'als Aktivierung. - Die zweite Schicht hat 10 Einheiten und
'relu'als Aktivierung. - Die Ausgabeschicht hat eine Einheit pro Kategorie (3 Kategorien) und
'softmax'als Aktivierung.
Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____