शुरू करेंमुफ़्त में शुरू करें

Keras में sequential मॉडल

Chapter 3 में, हमने tensorflow में keras API के कुछ हिस्सों का उपयोग करके एक न्यूरल नेटवर्क परिभाषित किया था, लेकिन मॉडल डेफिनिशन और ट्रेनिंग को streamline करने के लिए उसकी पूरी क्षमताओं का उपयोग नहीं किया था. इस अभ्यास में, आप keras sequential मॉडल API का उपयोग करके एक न्यूरल नेटवर्क परिभाषित करेंगे जो sign language अक्षरों की images को classify कर सकता है. आप .summary() मेथड का उपयोग करके मॉडल की आर्किटेक्चर भी प्रिंट करेंगे, जिसमें हर लेयर से जुड़े shape और parameters की संख्या शामिल होगी.

ध्यान दें कि images को (28, 28) से बदलकर (784,) में reshape किया गया है ताकि उन्हें dense लेयर के input के रूप में इस्तेमाल किया जा सके. साथ ही, ध्यान दें कि आपके लिए tensorflow से keras import कर दिया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में TensorFlow परिचय

पाठ्यक्रम देखें

अभ्यास निर्देश

  • model नाम से एक keras sequential मॉडल define करें.
  • पहली लेयर Dense() रखें, जिसमें 16 nodes और relu activation हो.
  • दूसरी लेयर Dense() रखें, जिसमें 8 nodes और relu activation हो.
  • आउटपुट लेयर में 4 nodes रखें और softmax activation फंक्शन का उपयोग करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define a Keras sequential model
____

# Define the first dense layer
model.add(keras.layers.____(____, activation='____', input_shape=(784,)))

# Define the second dense layer
____

# Define the output layer
model.add(keras.layers.Dense(____))

# Print the model architecture
print(model.summary())
कोड संपादित करें और चलाएँ