Model Keras
Dalam latihan ini Anda akan berlatih menggunakan dua kelas dari modul keras.models. Anda akan membuat satu model menggunakan kelas Sequential dan satu model lagi dengan kelas Model.
Kelas Sequential lebih mudah digunakan karena lapisan diasumsikan berurutan, sementara kelas Model lebih fleksibel dan memungkinkan beberapa masukan, beberapa keluaran, serta lapisan berbagi (bobot berbagi).
Kelas Model perlu menyatakan lapisan masukan secara eksplisit, sedangkan pada kelas Sequential, hal ini dilakukan melalui parameter input_shape.
Objek dan modul Sequential, Model, Dense, Input, LSTM, dan np (numpy) sudah dimuat di lingkungan.
Latihan ini merupakan bagian dari kursus
Recurrent Neural Networks (RNN) untuk Pemodelan Bahasa dengan Keras
Latihan interaktif langsung praktik
Cobalah latihan ini dengan melengkapi kode contoh ini.
# Instantiate the class
model = ____(name="sequential_model")
# One LSTM layer (defining the input shape because it is the
# initial layer)
model.add(____(128, input_shape=(None, 10), name="LSTM"))
# Add a dense layer with one unit
model.add(____(1, activation="sigmoid", name="output"))
# The summary shows the layers and the number of parameters
# that will be trained
model.____