1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do uczenia głębokiego w Pythonie
Connected

ćwiczenie

Eksperymenty z szerszymi sieciami

Wiesz już wszystko, czego potrzebujesz, żeby zacząć eksperymentować z różnymi modelami!

Model o nazwie model_1 został wcześniej wczytany. Jego podsumowanie możesz zobaczyć w konsoli IPython. To stosunkowo mała sieć – ma zaledwie 10 jednostek w każdej warstwie ukrytej.

W tym ćwiczeniu stworzysz nowy model o nazwie model_2, podobny do model_1, ale z 100 jednostkami w każdej warstwie ukrytej.

Po utworzeniu model_2 oba modele zostaną wytrenowane, a wykres przedstawiający wartość funkcji straty dla każdej epoki zostanie wyświetlony dla obu modeli. Do poleceń trenowania dodano argument verbose=False, aby ograniczyć liczbę wyświetlanych komunikatów – wyniki będziesz analizować graficznie, nie jako tekst.

Ponieważ trenujesz dwa modele, po kliknięciu Uruchom kod wyniki mogą pojawić się z chwilowym opóźnieniem – bądź cierpliwy.

Instrukcje

100 XP
  • Stwórz model_2 jako odpowiednik model_1, ale użyj 100 węzłów zamiast 10 dla pierwszych dwóch warstw Dense z aktywacją 'relu'. Dla wyjściowej warstwy Dense użyj 2 węzłów i aktywacji 'softmax'.
  • Skompiluj model_2 tak samo jak poprzednie modele: użyj 'adam' jako optimizer, 'categorical_crossentropy' jako funkcji straty oraz metrics=['accuracy'].
  • Kliknij Prześlij odpowiedź, aby wytrenować oba modele i sprawdzić graficznie, który z nich daje lepsze wyniki! Zwróć uwagę na argument verbose=False w model.fit() – ogranicza on liczbę wyświetlanych komunikatów, ponieważ modele będziesz oceniać na podstawie wykresów, a nie tekstu.