Crea una rete neurale
Useremo la libreria Keras per creare reti neurali e addestrarle a classificare immagini. Questi modelli saranno tutti di tipo Sequential, il che significa che gli output di un livello diventano input solo per il livello successivo.
In questo esercizio creerai una rete neurale con livelli Dense, cioè ogni unità di ciascun livello è connessa a tutte le unità del livello precedente. Per esempio, ogni unità del primo livello è connessa a tutti i pixel delle immagini in input. L'oggetto Dense riceve come argomenti il numero di unità nel livello e la funzione di attivazione delle unità. Per il primo livello della rete, riceve anche l'argomento keyword input_shape.
Questo corso tocca molti concetti che potresti aver dimenticato: se ti serve un rapido ripasso, scarica la Keras Cheat Sheet e tienila a portata di mano!
Questo esercizio fa parte del corso
Image Modeling with Keras
Istruzioni dell'esercizio
- Il primo livello riceve immagini in input, ha 10 unità e attivazione
'relu'. - Il secondo livello ha 10 unità e attivazione
'relu'. - Il livello di output ha un'unità per ogni categoria (3 categorie) e attivazione
'softmax'.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____