ニューラルネットワークを構築する
この演習では、画像を分類するためのニューラルネットワークを作成し、学習させるために Keras ライブラリを使います。ここで扱うモデルはすべて Sequential 型で、ある層の出力が次の層の入力にのみ渡されます。
今回は Dense 層を使ってニューラルネットワークを構築します。Dense 層では、各層の各ユニットが直前の層のすべてのユニットと接続されています。たとえば、最初の層の各ユニットは入力画像のすべてのピクセルと接続されます。Dense 層オブジェクトには、その層のユニット数とユニットの活性化関数を引数として渡します。ネットワークの最初の層では、これに加えて input_shape キーワード引数も指定します。
このコースでは、忘れているかもしれない多くの概念に触れます。さっと復習したいときは、Keras Cheat Sheet をダウンロードして手元に置いておくと便利です！
この演習はコースの一部です
Keras で学ぶ画像モデリング
演習の手順
- 最初の層は画像を入力として受け取り、ユニット数は10、活性化関数は
'relu'です。 - 2つ目の中間層はユニット数10、活性化関数は
'relu'です。 - 出力層はカテゴリー数（3カテゴリー）だけユニットがあり、活性化関数は
'softmax'です。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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
____