Mulai sekarangMulai gratis

Membandingkan fungsi aktivasi

Membandingkan fungsi aktivasi memerlukan sedikit pengkodean, tetapi Anda pasti bisa!

Anda akan mencoba berbagai fungsi aktivasi pada model multi-label yang Anda bangun untuk mesin irigasi pertanian pada bab 2. Fungsi get_model('relu') mengembalikan salinan model tersebut dan menerapkan fungsi aktivasi 'relu' pada lapisan tersembunyinya.

Anda akan melakukan iterasi melalui beberapa fungsi aktivasi, membuat model baru untuk masing-masing, lalu melatihnya. Dengan menyimpan callback riwayat ke dalam sebuah kamus, Anda dapat memvisualisasikan fungsi aktivasi mana yang berkinerja terbaik pada latihan berikutnya!

X_train, y_train, X_test, y_test sudah siap digunakan saat Anda melatih model.

Latihan ini merupakan bagian dari kursus

Pengantar Deep Learning dengan Keras

Lihat Kursus

Instruksi latihan

  • Lengkapi array fungsi aktivasi dengan relu, leaky_relu, sigmoid, dan tanh.
  • Dapatkan model baru pada setiap iterasi dengan get_model() dengan meneruskan fungsi aktivasi saat ini sebagai parameter.
  • Latih model Anda dengan memberikan data latih dan validation_data, gunakan 20 epochs dan atur verbose ke 0.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Activation functions to try
activations = [____, ____, ____, ____]

# Loop over the activation functions
activation_results = {}

for act in activations:
  # Get a new model with the current activation
  model = ____
  # Fit the model and store the history results
  h_callback = ____
  activation_results[act] = h_callback
Edit dan Jalankan Kode