Un modèle multiclasse
Vous allez construire un modèle qui prédit qui a lancé chaque fléchette uniquement à partir de l'endroit où elle a atterri ! (Autrement dit, les coordonnées x et y de la fléchette sur la cible.)
Ce problème est une classification multiclasse, puisque chaque fléchette ne peut être lancée que par une seule personne parmi 4 concurrent·e·s. Les classes/étiquettes sont donc mutuellement exclusives ; on peut ainsi créer une couche de sortie avec autant de neurones que de participant·e·s et utiliser la fonction d'activation softmax pour que la somme totale des probabilités soit de 1 pour l'ensemble des concurrent·e·s.
Le modèle Sequential et les couches Dense sont déjà importés et prêts à être utilisés.
Cette activité fait partie du cours
Introduction à Deep Learning avec Keras
Instructions de l’exercice
- Instanciez un modèle
Sequential. - Ajoutez 3 couches denses de 128, 64 et 32 neurones chacune.
- Ajoutez une couche dense finale avec autant de neurones que de concurrent·e·s.
- Compilez votre modèle en utilisant la perte
categorical_crossentropy.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Instantiate a sequential model
model = ____
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
optimizer='adam',
metrics=['accuracy'])