Zacznij terazZacznij za darmo

Inicjalizacja w TensorFlow

Dobra inicjalizacja może skrócić czas potrzebny do znalezienia globalnego minimum. W tym ćwiczeniu zainicjalizujemy wagi i odchylenia (biasy) sieci neuronowej, która będzie przewidywać decyzje o niespłaceniu kredytu kartą. Aby lepiej zrozumieć mechanizm, skorzystamy z niskopoziomowego podejścia algebraicznego – zamiast używać funkcji pomocniczych i wysokopoziomowych operacji keras. Rozszerzymy też zestaw cech wejściowych z 3 do 23. Z biblioteki tensorflow zaimportowano następujące operacje: Variable(), random() oraz ones().

To ćwiczenie jest częścią kursu

Wprowadzenie do TensorFlow w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zainicjalizuj wagi warstwy 1, w1, jako Variable() o kształcie [23, 7], losując wartości z rozkładu normalnego.
  • Zainicjalizuj odchylenie (bias) warstwy 1, używając jedynek.
  • Użyj losowania z rozkładu normalnego, aby zainicjalizować w2 jako Variable() o kształcie [7, 1].
  • Zdefiniuj b2 jako Variable() i ustaw jego wartość początkową na 0.0.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Define the layer 1 weights
w1 = ____(random.normal([____, ____]))

# Initialize the layer 1 bias
b1 = Variable(____([7]))

# Define the layer 2 weights
w2 = ____

# Define the layer 2 bias
b2 = ____
Edytuj i uruchom kod