शुरू करेंमुफ़्त में शुरू करें

Activation functions की तुलना

Activation functions की तुलना करने में थोड़ा कोड लगेगा, लेकिन यह आप आराम से कर लेंगे!

आप अध्याय 2 में अपनी फार्म irrigation मशीन के लिए बनाए गए multi-label मॉडल पर अलग-अलग activation functions आज़माएँगे. फ़ंक्शन get_model('relu') इसी मॉडल की एक कॉपी लौटाता है और उसकी hidden लेयर पर 'relu' activation function लगाता है.

आप कई activation functions पर लूप चलाएँगे, हर एक के लिए नया मॉडल बनाएँगे और उसे ट्रेन करेंगे. History callback को एक dictionary में स्टोर करके, आप अगले अभ्यास में देख पाएँगे कि कौन‑सा activation function सबसे अच्छा रहा!

X_train, y_train, X_test, y_test आपके लिए तैयार हैं; इन्हें अपने मॉडलों की ट्रेनिंग में इस्तेमाल करें.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Keras के साथ डीप लर्निंग परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • Activation functions की array में relu, leaky_relu, sigmoid, और tanh भरें.
  • हर iteration के लिए get_model() से नया मॉडल लें, और मौजूदा activation function को पैरामीटर के रूप में पास करें.
  • अपने मॉडल को train और validation_data देते हुए fit करें, 20 epochs इस्तेमाल करें और verbose को 0 पर सेट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Activation functions to try
activations = [____, ____, ____, ____]

# Loop over the activation functions
activation_results = {}

for act in activations:
  # Get a new model with the current activation
  model = ____
  # Fit the model and store the history results
  h_callback = ____
  activation_results[act] = h_callback
कोड संपादित करें और चलाएँ