Un modèle multi-classes
Vous allez créer 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 un cas de classification multi-classes, puisque chaque fléchette ne peut être lancée que par l'un des 4 concurrents. Les classes/étiquettes sont donc mutuellement exclusives, et nous pouvons construire une couche de sortie avec autant de neurones que de concurrents et utiliser la fonction d'activation softmax pour obtenir une somme totale des probabilités égale à 1 sur l'ensemble des concurrents.
Le modèle Sequential et les couches Dense sont déjà importés pour vous.
Cet exercice fait partie du cours
Introduction au Deep Learning avec Keras
Instructions
- Instanciez un modèle
Sequential. - Ajoutez 3 couches denses de 128, 64 et 32 neurones.
- Ajoutez une dernière couche dense avec autant de neurones que de concurrents.
- Compilez votre modèle avec la fonction de perte
categorical_crossentropy.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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'])