Mulai sekarangMulai gratis

Inisialisasi di TensorFlow

Inisialisasi yang baik dapat mengurangi waktu yang diperlukan untuk menemukan minimum global. Pada latihan ini, kita akan menginisialisasi bobot dan bias untuk jaringan saraf yang akan digunakan untuk memprediksi keputusan gagal bayar kartu kredit. Untuk membangun intuisi, kita akan menggunakan pendekatan aljabar linear tingkat rendah, alih-alih memanfaatkan fungsi kemudahan dan operasi keras tingkat tinggi. Kita juga akan memperluas himpunan fitur masukan dari 3 menjadi 23. Beberapa operasi telah diimpor dari tensorflow: Variable(), random(), dan ones().

Latihan ini merupakan bagian dari kursus

Pendahuluan TensorFlow di Python

Lihat Kursus

Instruksi latihan

  • Inisialisasi bobot lapisan 1, w1, sebagai Variable() dengan bentuk [23, 7], diambil dari distribusi normal.
  • Inisialisasi bias lapisan 1 menggunakan ones.
  • Gunakan sampel dari distribusi normal untuk menginisialisasi w2 sebagai Variable() dengan bentuk [7, 1].
  • Definisikan b2 sebagai Variable() dan atur nilai awalnya menjadi 0.0.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Define the layer 1 weights
w1 = ____(random.normal([____, ____]))

# Initialize the layer 1 bias
b1 = Variable(____([7]))

# Define the layer 2 weights
w2 = ____

# Define the layer 2 bias
b2 = ____
Edit dan Jalankan Kode