Mulai sekarangMulai gratis

Pemisahan neural

Siapkan sarung tangan Anda karena Anda akan melakukan operasi otak!

Neuron belajar dengan memperbarui bobotnya untuk menghasilkan nilai keluaran yang membantu mereka lebih baik membedakan kelas keluaran yang berbeda dalam himpunan data Anda. Anda akan menggunakan fungsi inp_to_out() yang baru saja Anda buat untuk memvisualisasikan keluaran dari dua neuron di lapisan pertama model Banknote Authentication saat model tersebut belajar.

model yang Anda bangun di bab 2 sudah siap digunakan, begitu juga X_test dan y_test. Ketik show_code(plot) di konsol jika Anda ingin memeriksa plot().

Anda menjalankan tugas berat; setelah semuanya selesai, klik grafik-grafiknya untuk menyaksikan proses pemisahan secara langsung!

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Gunakan fungsi inp_to_out() yang telah didefinisikan sebelumnya untuk mendapatkan keluaran dari lapisan pertama ketika diberi masukan X_test.
  • Gunakan metode model.evaluate() untuk memperoleh akurasi validasi untuk himpunan data uji pada setiap epoch.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Edit dan Jalankan Kode