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

ćwiczenie

Model sekwencyjny w Keras

W rozdziale 3. korzystaliśmy z komponentów API keras w bibliotece tensorflow, aby zdefiniować sieć neuronową – nie wykorzystaliśmy jednak w pełni jego możliwości do uproszczenia definiowania i trenowania modelu. W tym ćwiczeniu użyjesz sekwencyjnego API modelu keras, aby zdefiniować sieć neuronową do klasyfikacji obrazów liter języka migowego. Skorzystasz też z metody .summary(), która wyświetla architekturę modelu – w tym kształt i liczbę parametrów każdej warstwy.

Zwróć uwagę, że obrazy zostały przekształcone z kształtu (28, 28) do (784,), aby mogły służyć jako dane wejściowe dla warstwy gęstej. Biblioteka keras została już zaimportowana z tensorflow.

Instrukcje

100 XP
  • Zdefiniuj sekwencyjny model keras o nazwie model.
  • Ustaw pierwszą warstwę jako Dense() z 16 węzłami i aktywacją relu.
  • Zdefiniuj drugą warstwę jako Dense() z 8 węzłami i aktywacją relu.
  • Ustaw warstwę wyjściową tak, aby miała 4 węzły i korzystała z funkcji aktywacji softmax.