Zbuduj sieć neuronową
Do tworzenia sieci neuronowych i ich trenowania w celu klasyfikacji obrazów użyjemy biblioteki Keras. Wszystkie modele będą typu Sequential, co oznacza, że wyjścia jednej warstwy trafiają bezpośrednio na wejście kolejnej warstwy.
W tym ćwiczeniu zbudujesz sieć neuronową z warstwami Dense, w których każda jednostka jest połączona ze wszystkimi jednostkami warstwy poprzedniej. Na przykład każda jednostka pierwszej warstwy jest połączona ze wszystkimi pikselami obrazu wejściowego. Obiekt warstwy Dense przyjmuje jako argumenty liczbę jednostek w tej warstwie oraz funkcję aktywacji. Dla pierwszej warstwy sieci należy dodatkowo podać argument input_shape.
Kurs porusza wiele zagadnień, które mogły ci umknąć – jeśli potrzebujesz szybkiego przypomnienia, pobierz Keras Cheat Sheet i miej go pod ręką!
To ćwiczenie jest częścią kursu
Modelowanie obrazów z Keras
Instrukcje do ćwiczenia
- Pierwsza warstwa przyjmuje obrazy jako dane wejściowe, ma 10 jednostek i aktywację
'relu'. - Druga warstwa ukryta ma 10 jednostek i aktywację
'relu'. - Warstwa wyjściowa ma po jednej jednostce dla każdej kategorii (3 kategorie) i aktywację
'softmax'.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____