Mulai sekarangMulai gratis

Melakukan batch normalization pada model yang familier

Ingat himpunan data digits yang Anda latih pada latihan pertama di bab ini?

Masalah klasifikasi multi-kelas yang Anda selesaikan menggunakan softmax dan 10 neuron pada layer keluaran.

Sekarang Anda akan membangun model yang lebih dalam yang terdiri atas 3 layer tersembunyi dengan masing-masing 50 neuron, menggunakan batch normalization di antara layer. Parameter kernel_initializer digunakan untuk menginisialisasi bobot dengan cara yang serupa.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Impor BatchNormalization dari layer tensorflow.keras.
  • Bangun model jaringan dalam Anda, gunakan 50 neuron untuk setiap layer tersembunyi dengan menambahkan batch normalization di antara layer.
  • Kompilasi model Anda dengan stochastic gradient descent, sgd, sebagai optimizer.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Import batch normalization from keras layers
from tensorflow.____.____ import ____

# Build your deep network
batchnorm_model = ____
batchnorm_model.add(Dense(____, input_shape=(64,), activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(10, activation='softmax', kernel_initializer='normal'))

# Compile your model with sgd
batchnorm_model.compile(optimizer=____, loss='categorical_crossentropy', metrics=['accuracy'])
Edit dan Jalankan Kode