활성화 함수 비교 II
이전 연습 문제에서 작성한 코드를 실행해 activation_results 변수를 얻었고, 이번에는 20 에포크 대신 100 에포크를 사용했어요. 이렇게 하면 각 활성화 함수별로 학습이 어떻게 진행되는지 더 많은 에포크 구간에서 비교할 수 있어요.
각 활성화 함수에 대한 activation_results의 모든 h_callback에 대해:
h_callback.history['val_loss']를 추출했어요.h_callback.history['val_accuracy']를 추출했어요.
두 값은 각각 val_loss_per_function과 val_acc_per_function 두 개의 사전에 저장되어 있어요.
또한 pandas는 pd로 로드되어 있어 바로 사용하실 수 있어요. 이제 검증 손실과 정확도를 빠르게 차트로 그려볼까요!
이 연습은 강의의 일부입니다
Keras로 시작하는 딥 러닝
연습 안내
pd.DataFrame()을 사용해val_loss_per_function사전으로부터 새 DataFrame을 만드세요.- 해당 DataFrame에서
plot()을 호출하세요. val_acc_per_function으로 또 다른 pandas DataFrame을 만드세요.- 마찬가지로, 이 DataFrame도 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()