活性化関数の比較 II
前の演習で作成したコードを実行して activation_results 変数を得ています。今回は 20 エポックではなく 100 エポック を使用しました。こうすることで、活性化関数ごとの学習の進み方をより多くのエポックで比較できます。
各活性化関数に対応する activation_results 内のそれぞれの h_callback について、以下を抽出しています。
h_callback.history['val_loss']h_callback.history['val_accuracy']
これらはそれぞれ 2 つの辞書 val_loss_per_function と val_acc_per_function に保存されています。
pandas も pd として読み込まれています。では、検証損失と精度の簡単なチャートを描画してみましょう！
この演習はコースの一部です
Kerasで学ぶIntroduction to Deep Learning
演習の手順
pd.DataFrame()を使って、val_loss_per_function辞書から新しい DataFrame を作成します。- その DataFrame に対して
plot()を呼び出します。 val_acc_per_functionから別の pandas DataFrame を作成します。- 同様に、その DataFrame もプロットします。
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。
# Create a dataframe from val_loss_per_function
val_loss= ____.____(____)
# Call plot on the dataframe
____
plt.show()
# Create a dataframe from val_acc_per_function
val_acc = _____
# Call plot on the dataframe
____
plt.show()