Aan de slagGa gratis aan de slag

Batch-normalisatie toepassen op een bekend model

Weet je de digits dataset nog die je in de eerste oefening van dit hoofdstuk trainde?

Een multiclass-classificatieprobleem dat je oploste met softmax en 10 neuronen in je outputlaag.

Je gaat nu een dieper model bouwen met 3 verborgen lagen van elk 50 neuronen, met batch-normalisatie tussen de lagen. De parameter kernel_initializer wordt gebruikt om gewichten op een vergelijkbare manier te initialiseren.

Deze oefening maakt deel uit van de cursus

Introductie tot Deep Learning met Keras

Cursus bekijken

Oefeninstructies

  • Importeer BatchNormalization uit de tensorflow.keras-lagen.
  • Bouw je deep network-model en gebruik 50 neuronen voor elke verborgen laag, met batch-normalisatie tussen de lagen.
  • Compileer je model met stochastic gradient descent, sgd, als optimizer.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import batch normalization from keras layers
from tensorflow.____.____ import ____

# Build your deep network
batchnorm_model = ____
batchnorm_model.add(Dense(____, input_shape=(64,), activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(10, activation='softmax', kernel_initializer='normal'))

# Compile your model with sgd
batchnorm_model.compile(optimizer=____, loss='categorical_crossentropy', metrics=['accuracy'])
Code bewerken en uitvoeren