EmpezarEmpieza gratis

Comparar funciones de activación

Comparar funciones de activación requiere un poco de código, ¡pero nada que no puedas hacer!

Vas a probar distintas funciones de activación en el modelo multietiqueta que creaste para tu máquina de riego en el capítulo 2. La función get_model('relu') devuelve una copia de ese modelo y aplica la función de activación 'relu' a su capa oculta.

Recorrerás varias funciones de activación, generarás un modelo nuevo para cada una y lo entrenarás. Al guardar el callback de history en un diccionario, ¡podrás visualizar qué función de activación rindió mejor en el siguiente ejercicio!

X_train, y_train, X_test, y_test están listos para que los uses al entrenar tus modelos.

Este ejercicio forma parte del curso

Introducción al Deep Learning con Keras

Ver curso

Instrucciones del ejercicio

  • Completa el array de funciones de activación con relu, leaky_relu, sigmoid y tanh.
  • Obtén un modelo nuevo en cada iteración con get_model() pasando la función de activación actual como parámetro.
  • Ajusta tu modelo proporcionando los datos de entrenamiento y validation_data, usa 20 epochs y establece verbose en 0.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Activation functions to try
activations = [____, ____, ____, ____]

# Loop over the activation functions
activation_results = {}

for act in activations:
  # Get a new model with the current activation
  model = ____
  # Fit the model and store the history results
  h_callback = ____
  activation_results[act] = h_callback
Editar y ejecutar código