Keras के साथ मेट्रिक्स और वैलिडेशन
पिछले अभ्यास में हमने साइन लैंग्वेज के अक्षरों की भविष्यवाणी करने के लिए एक मॉडल ट्रेन किया था, लेकिन यह साफ़ नहीं था कि हम इसमें कितने सफल रहे. इस अभ्यास में, हम अपने परिणामों की व्याख्यात्मकता को बेहतर करने की कोशिश करेंगे. चूँकि हमने वैलिडेशन स्प्लिट का उपयोग नहीं किया था, इसलिए हमने परफ़ॉर्मेंस में सुधार सिर्फ़ ट्रेनिंग सेट के भीतर ही देखा; हालाँकि, यह स्पष्ट नहीं है कि उसमें से कितना ओवरफ़िटिंग के कारण था. इसके अलावा, क्योंकि हमने कोई मेट्रिक सप्लाई नहीं की, हम सिर्फ़ लॉस फंक्शन में कमी देखते रहे, जिसकी कोई स्पष्ट व्याख्या नहीं होती.
ध्यान दें कि tensorflow से keras आपके लिए इम्पोर्ट किया जा चुका है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
अभ्यास निर्देश
- पहली डेंस लेयर में 32 नोड्स रखें,
sigmoidएक्टिवेशन फंक्शन इस्तेमाल करें, और इनपुट शेप (784,) रखें. - रूट मीन स्क्वायर प्रोपेगेशन ऑप्टिमाइज़र, कैटेगॉरिकल क्रॉसएंट्रॉपी लॉस, और एक्यूरेसी मेट्रिक का उपयोग करें.
- epochs की संख्या 10 रखें और डेटासेट का 10% वैलिडेशन के लिए उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Define sequential model
model = keras.Sequential()
# Define the first layer
model.add(keras.layers.Dense(____, ____, ____))
# Add activation function to classifier
model.add(keras.layers.Dense(4, activation='softmax'))
# Set the optimizer, loss function, and metrics
model.compile(optimizer='____', loss='____', metrics=['____'])
# Add the number of epochs and the validation split
model.fit(sign_language_features, sign_language_labels, epochs=____, validation_split=____)