बैच नॉर्मलाइज़ेशन के प्रभाव
बैच नॉर्मलाइज़ेशन आम तौर पर हमारे मॉडलों की लर्निंग स्पीड बढ़ाता है और उनकी लर्निंग कर्व्स को अधिक स्थिर बनाता है. आइए देखें कि बिना और साथ में बैच नॉर्मलाइज़ेशन वाले दो एक जैसे मॉडल कैसे तुलना करते हैं.
जो मॉडल आपने अभी बनाया है batchnorm_model आपके उपयोग के लिए लोड किया गया है. इसका बिना बैच नॉर्मलाइज़ेशन वाला बिलकुल वैसा ही कॉपी: standard_model, भी उपलब्ध है. आप कंसोल में इनका summary() देख सकते हैं. X_train, y_train, X_test, और y_test भी लोड हैं ताकि आप दोनों मॉडलों को ट्रेन कर सकें.
आप दोनों मॉडलों की accuracy लर्निंग कर्व्स की तुलना करेंगे और उन्हें compare_histories_acc() से प्लॉट करेंगे.
आप इस फंक्शन को कंसोल में show_code(compare_histories_acc) पेस्ट करके देख सकते हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Keras के साथ डीप लर्निंग परिचय
अभ्यास निर्देश
standard_modelको 10 epochs तक ट्रेन कीजिए, train और validation डेटा पास करते हुए, और उसका हिस्ट्रीh1_callbackमें स्टोर कीजिए.- अपने
batchnorm_modelको 10 epochs तक ट्रेन कीजिए, train और validation डेटा पास करते हुए, और उसका हिस्ट्रीh2_callbackमें स्टोर कीजिए. compare_histories_accको कॉल कीजिए औरh1_callbackतथाh2_callbackपास कीजिए.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Train your standard model, storing its history callback
h1_callback = standard_model.fit(____, ____, validation_data=(____,____), epochs=____, verbose=0)
# Train the batch normalized model you recently built, store its history callback
h2_callback = batchnorm_model.fit(____, ____, validation_data=____, epochs=____, verbose=0)
# Call compare_histories_acc passing in both model histories
compare_histories_acc(____, ____)