डेंस लेयर्स की रैखिक बीजगणित
tensorflow में डेंस लेयर परिभाषित करने के दो तरीके हैं। पहला तरीका लो-लेवल, रैखिक बीजगणितीय ऑपरेशंस का उपयोग करता है। दूसरा तरीका हाई-लेवल keras ऑपरेशंस का उपयोग करता है। इस अभ्यास में, हम पहले तरीके से नीचे दी गई इमेज में दिखाए गए नेटवर्क का निर्माण करेंगे।
इनपुट लेयर में 3 फीचर्स हैं — शिक्षा, वैवाहिक स्थिति, और आयु — जो borrower_features के रूप में उपलब्ध हैं। हिडन लेयर में 2 नोड्स हैं और आउटपुट लेयर में 1 नोड है।
हर लेयर के लिए, आप पिछली लेयर को इनपुट के रूप में लेंगे, वेट्स का एक सेट इनिशियलाइज़ करेंगे, इनपुट्स और वेट्स का गुणन करेंगे, और फिर एक एक्टिवेशन फंक्शन लागू करेंगे। ध्यान दें कि tensorflow से Variable(), ones(), matmul(), और keras() इम्पोर्ट किए गए हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में TensorFlow परिचय
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Initialize bias1
bias1 = Variable(1.0)
# Initialize weights1 as 3x2 variable of ones
weights1 = ____(ones((____, ____)))
# Perform matrix multiplication of borrower_features and weights1
product1 = ____
# Apply sigmoid activation function to product1 + bias1
dense1 = keras.activations.____(____ + ____)
# Print shape of dense1
print("\n dense1's output shape: {}".format(dense1.shape))