Modèles Keras
Dans cet exercice, vous allez vous entraîner à utiliser deux classes du module keras.models. Vous allez créer un modèle avec la classe Sequential et un autre avec la classe Model.
La classe Sequential est plus simple à utiliser car les couches sont supposées s’enchaîner dans l’ordre, tandis que la classe Model est plus flexible et permet plusieurs entrées, plusieurs sorties et des couches partagées (poids partagés).
Avec la classe Model, la couche d’entrée doit être déclarée explicitement, alors que dans la classe Sequential, cela se fait via le paramètre input_shape.
Les objets et modules Sequential, Model, Dense, Input, LSTM et np (numpy) sont déjà chargés dans l’environnement.
Cet exercice fait partie du cours
Réseaux de neurones récurrents (RNN) pour la modélisation du langage avec Keras
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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.____