Zacznij terazZacznij za darmo

Neuronowe rozdzielanie

Czas na prawdziwą operację na mózgu sieci neuronowej!

Neurony uczą się, aktualizując swoje wagi tak, aby lepiej rozróżniać poszczególne klasy wyjściowe w zbiorze danych. Skorzystasz z funkcji inp_to_out(), którą właśnie zbudowano, żeby zwizualizować wyjście dwóch neuronów w pierwszej warstwie modelu Banknote Authentication (model) podczas jego uczenia.

Model zbudowany w rozdziale 2 jest gotowy do użycia, podobnie jak X_test i y_test. Wklej show_code(plot) w konsoli, jeśli chcesz sprawdzić funkcję plot().

Gdy wszystko będzie gotowe, kliknij kolejne wykresy, żeby na żywo obserwować, jak neurony uczą się rozdzielać klasy!

To ćwiczenie jest częścią kursu

Wprowadzenie do uczenia głębokiego z Keras

Zobacz kurs

Instrukcje do ćwiczenia

  • Użyj wcześniej zdefiniowanej funkcji inp_to_out(), aby uzyskać wyjścia pierwszej warstwy dla danych X_test.
  • Użyj metody model.evaluate(), aby wyznaczyć dokładność walidacyjną na zbiorze testowym dla każdej epoki.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Edytuj i uruchom kod