Modelos Keras
En este ejercicio practicarás el uso de dos clases del módulo keras.models. Crearás un modelo utilizando la clase Sequential y otro modelo con la clase Model.
La clase « Sequential » es más fácil de usar porque se supone que las capas están ordenadas, mientras que la clase « Model » es más flexible y permite múltiples entradas, múltiples salidas y capas compartidas (pesos compartidos).
La clase ` Model necesita declarar explícitamente la capa de entrada, mientras que en la clase Sequential `, esto se hace con el parámetro ` input_shape `.
Los objetos y módulos Sequential, Model, Dense, Input, LSTM y np (numpy) ya están cargados en el entorno.
Este ejercicio forma parte del curso
Redes neuronales recurrentes (RNN) para el modelado del lenguaje con Keras
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Instantiate the class
model = ____(name="sequential_model")
# One LSTM layer (defining the input shape because it is the
# initial layer)
model.add(____(128, input_shape=(None, 10), name="LSTM"))
# Add a dense layer with one unit
model.add(____(1, activation="sigmoid", name="output"))
# The summary shows the layers and the number of parameters
# that will be trained
model.____