LoslegenKostenlos starten

Training mit Keras

In dieser Übung kehren wir zu unserem Klassifikationsproblem für Buchstaben in der Gebärdensprache zurück. Wir haben 2000 Bilder von vier Buchstaben – A, B, C und D – und möchten sie mit hoher Genauigkeit klassifizieren. Wir erledigen alle Teile der Aufgabe, einschließlich Modelldefinition, Kompilierung und Training.

Beachte, dass keras bereits aus tensorflow importiert wurde. Außerdem stehen die Features als sign_language_features und die Zielwerte als sign_language_labels zur Verfügung.

Diese Übung ist Teil des Kurses

<Kurs>Einführung in TensorFlow mit Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Definiere ein sequenzielles Modell namens model.
  • Setze die Ausgabeschicht auf Dense, mit 4 Knoten und einer softmax-Aktivierungsfunktion.
  • Kompiliere das Modell mit dem Optimierer SGD und dem Loss categorical_crossentropy.
  • Führe das Fitten durch und setze die Anzahl der Epochen auf 5.

Interaktive praktische Übung

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

# Define a sequential model
____

# Define a hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(784,)))

# Define the output layer
____

# Compile the model
model.compile('____', loss='____')

# Complete the fitting operation
model.fit(____, ____, epochs=____)
Code bearbeiten und ausführen