1. Обучение
  2. /
  3. Курса
  4. /
  5. Wprowadzenie do uczenia głębokiego z Keras

Connected

упражнение

Porównanie funkcji aktywacji II

Kod z poprzedniego ćwiczenia został wykonany, aby uzyskać zmienną activation_results – tym razem użyto 100 epok zamiast 20. Dzięki temu będziesz mieć więcej epok do porównania, jak przebiega trening dla każdej funkcji aktywacji.

Dla każdego h_callback z każdej funkcji aktywacji w activation_results:

  • Wyodrębniono h_callback.history['val_loss'].
  • Wyodrębniono h_callback.history['val_accuracy'].

Obie wartości zostały zapisane w dwóch słownikach: val_loss_per_function i val_acc_per_function.

Biblioteka pandas jest już załadowana jako pd. Czas narysować wykresy straty walidacyjnej i dokładności!

Инструкции

100 XP
  • Użyj pd.DataFrame(), aby utworzyć nowy DataFrame ze słownika val_loss_per_function.
  • Wywołaj plot() na tym DataFrame.
  • Utwórz kolejny DataFrame z biblioteki pandas na podstawie val_acc_per_function.
  • Ponownie wywołaj plot() na tym DataFrame.