ComenzarEmpieza gratis

Comparación de funciones de activación

Comparar funciones de activación requiere un poco de programación, pero nada que no se pueda hacer.

Probarás diferentes funciones de activación en el modelo multietiqueta que construiste para tu máquina de riego agrícola en el capítulo 2. La función get_model('relu') devuelve una copia de este modelo y aplica la función de activación 'relu' a su capa oculta.

Realizará un bucle a través de varias funciones de activación, generará un nuevo modelo para cada una y lo entrenará. Si almacena la llamada de retorno del historial en un diccionario, podrá visualizar qué función de activación funcionó mejor en el siguiente ejercicio.

X_train``y_train, X_test, y_test están listos para que los utilices cuando entrenes tus modelos.

Este ejercicio forma parte del curso

Introducción al aprendizaje profundo con Keras

Ver curso

Instrucciones de ejercicio

  • Rellene la matriz de funciones de activación con relu,leaky_relu, sigmoid, y tanh.
  • Obtener un nuevo modelo para cada iteración con get_model() pasando la función de activación actual como parámetro.
  • Ajuste su modelo proporcionando el tren y validation_data, utilice 20 epochs y ajuste verbose a 0.

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# 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