न्यूरल सेपरेशन
दस्ताने पहन लीजिए, क्योंकि आप ब्रेन सर्जरी करने वाले हैं!
न्यूरॉन्स अपने वेट्स अपडेट करके ऐसे आउटपुट वैल्यू सीखते हैं, जो उन्हें आपके डेटासेट की अलग-अलग आउटपुट क्लासेज़ के बीच बेहतर अंतर करने में मदद करते हैं.
आप अभी बनाए गए inp_to_out() फंक्शन का उपयोग करेंगे ताकि Banknote Authentication model की पहली लेयर के दो न्यूरॉन्स के आउटपुट को उसके सीखते समय विज़ुअलाइज़ कर सकें.
चैप्टर 2 में बनाया गया model आपके इस्तेमाल के लिए तैयार है, ठीक वैसे ही जैसे X_test और y_test. अगर आप plot() चेक करना चाहते हैं, तो कंसोल में show_code(plot) पेस्ट करें.
आप हेवी-ड्यूटी काम कर रहे हैं, सब हो जाने पर, ग्राफ़्स पर क्लिक करके लाइव सेपरेशन देखिए!
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
- पहले से परिभाषित
inp_to_out()फंक्शन का उपयोग करके,X_testदेने पर पहली लेयर के आउटपुट प्राप्त करें. - हर epoch पर टेस्ट डेटासेट के लिए validation accuracy पाने हेतु
model.evaluate()मेथड का उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
for i in range(0, 21):
# Train model for 1 epoch
h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
if i%4==0:
# Get the output of the first layer
layer_output = ____([____])[0]
# Evaluate model accuracy for this epoch
test_accuracy = model.____(____, ____)[1]
# Plot 1st vs 2nd neuron output
plot()