Dense 레이어 연산 사용하기
앞서 tensorflow에서 선형대수를 사용해 dense 레이어를 정의하는 방법을 살펴봤어요. 이번 연습에서는 선형대수 구현을 생략하고, 세부 사항은 keras가 처리하도록 하겠습니다. 이렇게 하면 아래의 네트워크(숨겨진 레이어 2개, 특성 10개)를, 숨겨진 레이어 1개와 특성 3개인 네트워크보다 더 적은 코드로 만들 수 있어요.
이 네트워크를 만들려면, 이전 레이어를 입력으로 받아 가중치를 곱하고 활성화 함수를 적용하는 dense 레이어 3개를 정의해야 해요. 입력 데이터는 이미 정의되어 있으며 100x10 텐서 borrower_features로 제공됩니다. 또한 keras.layers 모듈을 사용할 수 있어요.
이 연습은 강의의 일부입니다
Python으로 시작하는 TensorFlow
연습 안내
dense1을 출력 노드 7개, 활성화 함수는 sigmoid인 dense 레이어로 설정하세요.dense2를 출력 노드 3개, 활성화 함수는 sigmoid인 dense 레이어로 정의하세요.predictions를 출력 노드 1개, 활성화 함수는 sigmoid인 dense 레이어로 정의하세요..shape메서드를 사용해dense1,dense2,predictions의 모양을 그 순서대로 출력하세요. 각 텐서에 행이 100개인 이유는 무엇일까요?
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Define the first dense layer
dense1 = keras.layers.Dense(____, activation='____')(borrower_features)
# Define a dense layer with 3 output nodes
dense2 = ____
# Define a dense layer with 1 output node
predictions = ____
# Print the shapes of dense1, dense2, and predictions
print('\n shape of dense1: ', dense1.shape)
print('\n shape of dense2: ', ____.shape)
print('\n shape of predictions: ', ____.shape)