LoslegenKostenlos starten

Ein vertrautes Modell mit Batch-Normalisierung

Erinnerst du dich an den digits dataset, den du in der ersten Übung dieses Kapitels trainiert hast?

Ein Multiclass-Klassifikationsproblem, das du mit softmax und 10 Neuronen in deiner Ausgabeschicht gelöst hast.

Jetzt baust du ein neues, tieferes Modell mit 3 versteckten Schichten mit jeweils 50 Neuronen und setzt zwischen den Schichten Batch-Normalisierung ein. Der Parameter kernel_initializer wird verwendet, um Gewichte auf ähnliche Weise zu initialisieren.

Diese Übung ist Teil des Kurses

<Kurs>Einstieg ins Deep Learning mit Keras</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere BatchNormalization aus den tensorflow.keras-Layern.
  • Baue dein Deep-Network-Modell: Verwende 50 Neuronen pro versteckter Schicht und füge zwischen den Schichten Batch-Normalisierung ein.
  • Kompiliere dein Modell mit Stochastic Gradient Descent, sgd, als Optimierer.

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Import batch normalization from keras layers
from tensorflow.____.____ import ____

# Build your deep network
batchnorm_model = ____
batchnorm_model.add(Dense(____, input_shape=(64,), activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(10, activation='softmax', kernel_initializer='normal'))

# Compile your model with sgd
batchnorm_model.compile(optimizer=____, loss='categorical_crossentropy', metrics=['accuracy'])
Code bearbeiten und ausführen