조밀층의 선형대수
tensorflow에서 조밀층(dense layer)을 정의하는 방법은 두 가지가 있어요. 첫 번째는 저수준 선형대수 연산을 사용하는 방법이고, 두 번째는 고수준 keras 연산을 활용하는 방법입니다. 이 연습 문제에서는 첫 번째 방법을 사용해 아래 이미지에 표시된 네트워크를 구성해 보겠습니다.
입력층에는 교육 수준, 혼인 여부, 나이의 3개 특성이 있으며, borrower_features로 제공됩니다. 은닉층에는 노드가 2개, 출력층에는 노드가 1개 있습니다.
각 층마다 이전 층을 입력으로 받아 가중치를 초기화하고, 입력과 가중치의 곱을 계산한 뒤 활성화 함수를 적용합니다. Variable(), ones(), matmul(), keras()는 tensorflow에서 이미 임포트되어 있다는 점을 참고하세요.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Initialize bias1
bias1 = Variable(1.0)
# Initialize weights1 as 3x2 variable of ones
weights1 = ____(ones((____, ____)))
# Perform matrix multiplication of borrower_features and weights1
product1 = ____
# Apply sigmoid activation function to product1 + bias1
dense1 = keras.activations.____(____ + ____)
# Print shape of dense1
print("\n dense1's output shape: {}".format(dense1.shape))