शुरू करेंमुफ़्त में शुरू करें

मॉडल स्पेसिफाई करना

अब आप Keras में अपना पहला मॉडल बनाएँगे और तुरंत ही पहले दो चैप्टर्स की तुलना में बड़े डेटासेट्स पर अधिक जटिल न्यूरल नेटवर्क मॉडल चला पाएँगे.

शुरुआत में, आप एक न्यूरल नेटवर्क के स्केलेटन में एक hidden लेयर और एक output लेयर जोड़ेंगे. फिर आप उस मॉडल को fit करेंगे और देखेंगे कि Keras कैसे optimization करता है ताकि आपका मॉडल लगातार बेहतर होता जाए.

शुरू करने के लिए, आप इंडस्ट्री, एजुकेशन और अनुभव के स्तर जैसी विशेषताओं के आधार पर कर्मचारियों की wages का अनुमान लगाएँगे. यह डेटासेट df नाम के pandas DataFrame में है. सुविधा के लिए, df में target को छोड़कर बाकी सब कुछ predictors नाम के NumPy array में बदला गया है. target wage_per_hour एक NumPy array target के रूप में उपलब्ध है.

इस चैप्टर के सभी अभ्यासों के लिए, हमने Sequential मॉडल कंस्ट्रक्टर, Dense लेयर कंस्ट्रक्टर, और pandas इम्पोर्ट कर रखे हैं.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Deep Learning परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • predictors डेटा में कॉलम्स की संख्या n_cols में स्टोर करें. यह आपके लिए कर दिया गया है.
  • model नाम का एक Sequential मॉडल बनाना शुरू करें.
  • model पर .add() मेथड का उपयोग करके एक Dense लेयर जोड़ें.
    • 50 यूनिट्स जोड़ें, activation='relu' स्पेसिफाई करें, और input_shape पैरामीटर को ट्यूपल (n_cols,) रखें, जिसका मतलब है कि डेटा की हर row में n_cols आइटम हैं, और rows की कोई भी संख्या इनपुट के रूप में मान्य है.
  • एक और Dense लेयर जोड़ें. इसमें 32 यूनिट्स और 'relu' activation होना चाहिए.
  • अंत में, आउटपुट लेयर जोड़ें, जो एक सिंगल नोड वाली Dense लेयर है. यहाँ कोई activation फंक्शन इस्तेमाल न करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential

# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]

# Set up the model: model
model = ____

# Add the first layer
____.____(____(____, ____=____, ____=(____)))

# Add the second layer
____

# Add the output layer
____
कोड संपादित करें और चलाएँ