より広いネットワークで実験する

これで、さまざまなモデルを試す準備が整いました！

model_1 というモデルがあらかじめ読み込まれています。IPython Shell にこのモデルのサマリが表示されます。これは比較的小さなネットワークで、各隠れ層のユニット数は 10 です。

この演習では、model_1 と同様ですが各隠れ層のユニット数を 100 にした model_2 を作成します。

model_2 を作成した後、両方のモデルを学習させ、各エポックにおける両モデルの損失スコアを示すグラフを表示します。更新の表示を減らすため、学習時のコマンドには引数 verbose=False を追加してあります。グラフで確認するため、テキストでの出力は最小限にしています。

2つのモデルを学習させるため、Run Code を押してから出力が表示されるまで少し時間がかかります。しばらくお待ちください。

model_1 を踏襲して model_2 を作成しますが、最初の2つの Dense 層では 'relu' を活性化関数として用い、ノード数を 10 の代わりに 100 にしてください。出力の Dense 層はノード数を 2、活性化関数を 'softmax' にします。
これまでと同様に model_2 をコンパイルします。optimizer は 'adam'、loss は 'categorical_crossentropy'、metrics=['accuracy'] を指定します。
Submit Answer を押して2つのモデルを学習し、どちらがより良い結果かを可視化しましょう！model.fit() のキーワード引数 verbose=False に注目してください。モデルはテキストではなくグラフで評価するため、表示される更新が少なくなります。