Zacznij terazZacznij za darmo

Trenowanie z Keras

W tym ćwiczeniu wracamy do problemu klasyfikacji liter języka migowego. Dysponujemy 2000 obrazami czterech liter – A, B, C i D – i chcemy je klasyfikować z wysoką dokładnością. Przejdziemy przez wszystkie etapy rozwiązania tego problemu: definicję modelu, kompilację i trenowanie.

Zwróć uwagę, że keras zostało już zaimportowane z tensorflow. Cechy są dostępne jako sign_language_features, a etykiety jako sign_language_labels.

To ćwiczenie jest częścią kursu

Wprowadzenie do TensorFlow w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zdefiniuj model sekwencyjny o nazwie model.
  • Ustaw warstwę wyjściową jako gęstą (dense) z 4 węzłami i funkcją aktywacji softmax.
  • Skompiluj model z optymalizatorem SGD i funkcją straty categorical_crossentropy.
  • Uzupełnij operację dopasowania i ustaw liczbę epok na 5.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Define a sequential model
____

# Define a hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(784,)))

# Define the output layer
____

# Compile the model
model.compile('____', loss='____')

# Complete the fitting operation
model.fit(____, ____, epochs=____)
Edytuj i uruchom kod