Experimenteren met dropout
Dropout helpt overfitting te voorkomen door tijdens het trainen willekeurig sommige outputwaarden op nul te zetten. In deze oefening bouw je een eenvoudig neuraal netwerk met dropout en kijk je hoe het zich gedraagt in train- en evaluatiemodus.
Het pakket torch.nn is al als nn ingeladen, en features is al voor je gedefinieerd.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met PyTorch
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Model with Dropout
model = nn.Sequential(
nn.Linear(8, 6),
nn.Linear(6, 4),
____)
# Forward pass in training mode (Dropout active)
model.____
output_train = ____