시작하기무료로 시작하기

관개 기계

지능형 관개 기계를 만들어 농지 구역에 물 주기를 자동화해 보겠습니다. Multi-label classification은 각 관측값이 0개 이상의 클래스로 레이블링될 수 있다는 점에서 multi-class 문제와 다릅니다. 즉, 클래스/레이블이 서로 배타적이지 않아서 입력에 따라 모든 구역, 아무 구역도, 또는 임의의 조합을 물 줄 수 있습니다.

이 동작을 반영하기 위해, 클래스 수만큼 뉴런을 가진 출력 레이어를 두되, 이번에는 multi-class 문제와 달리 각 출력 뉴런에 sigmoid 활성화 함수를 사용합니다. 이렇게 하면 출력 레이어의 각 뉴런이 서로 독립적으로 0과 1 사이의 값을 출력할 수 있습니다.

Sequential() 모델과 Dense() 레이어는 준비되어 있습니다. 이제 지능형 관개 기계를 만들어 볼까요!

이 연습은 강의의 일부입니다

Keras로 시작하는 딥 러닝

강의 보기

연습 안내

  • Sequential() 모델을 인스턴스화하세요.
  • 센서 수와 동일한 입력 뉴런을 가지며, 뉴런 64개와 relu 활성화를 사용하는 은닉 레이어를 추가하세요.
  • 구역(파슬) 수와 동일한 뉴런 개수와 sigmoid 활성화를 사용하는 출력 레이어를 추가하세요.
  • adam optimizer와 binary_crossentropy loss로 모델을 컴파일하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Instantiate a Sequential model
model = ____

# Add a hidden layer of 64 neurons and a 20 neuron's input
____

# Add an output layer of 3 neurons with sigmoid activation
____

# Compile your model with binary crossentropy loss
model.compile(optimizer='adam',
           loss = ____,
           metrics=['accuracy'])

model.summary()
코드 편집 및 실행