शुरू करेंमुफ़्त में शुरू करें

एक सिंचाई मशीन

आप एक इंटेलिजेंट सिंचाई मशीन बनाकर खेत की प्लॉट्स (parcels) को पानी देने की प्रक्रिया ऑटोमेट करने जा रहे हैं। मल्टी-लेबल क्लासिफिकेशन समस्याएँ मल्टी-क्लास समस्याओं से अलग होती हैं, क्योंकि हर observation को शून्य या अधिक क्लासेज से लेबल किया जा सकता है। यानी क्लास/लेबल परस्पर अनन्य नहीं होते — इनपुट के आधार पर आप सभी, कोई नहीं, या खेत की प्लॉट्स के किसी भी कॉम्बिनेशन को पानी दे सकते हैं.

इस व्यवहार को संभालने के लिए हम आउटपुट लेयर में उतने ही न्यूरॉन्स रखते हैं जितनी क्लासेज हैं, लेकिन इस बार, मल्टी-क्लास समस्याओं के विपरीत, हर आउटपुट न्यूरॉन का एक्टिवेशन sigmoid होता है। इससे आउटपुट लेयर का हर न्यूरॉन स्वतंत्र रूप से 0 और 1 के बीच कोई भी मान दे सकता है.

Sequential() मॉडल और Dense() लेयर्स इस्तेमाल के लिए तैयार हैं। अब एक इंटेलिजेंट सिंचाई मशीन बनाने का समय है!

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ डीप लर्निंग परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • एक Sequential() मॉडल इंस्टैंशिएट करें.
  • 64 न्यूरॉन्स की एक hidden लेयर जोड़ें, जिसमें इनपुट न्यूरॉन्स की संख्या सेंसरों के बराबर हो और एक्टिवेशन relu हो.
  • आउटपुट लेयर जोड़ें जिसमें न्यूरॉन्स की संख्या parcels के बराबर हो और एक्टिवेशन sigmoid हो.
  • अपने मॉडल को adam optimizer और binary_crossentropy loss के साथ कंपाइल करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Instantiate a Sequential model
model = ____

# Add a hidden layer of 64 neurons and a 20 neuron's input
____

# Add an output layer of 3 neurons with sigmoid activation
____

# Compile your model with binary crossentropy loss
model.compile(optimizer='adam',
           loss = ____,
           metrics=['accuracy'])

model.summary()
कोड संपादित करें और चलाएँ