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 completando este código de ejemplo.
# 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.____