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

ćwiczenie

Algebra liniowa gęstych warstw

Istnieją dwa sposoby definiowania gęstej warstwy w tensorflow. Pierwszy polega na wykorzystaniu niskopoziomowych operacji algebry liniowej. Drugi korzysta z wysokopoziomowych operacji keras. W tym ćwiczeniu użyjemy pierwszej metody, aby zbudować sieć pokazaną na poniższym obrazku.

This image depicts an neural network with 5 input nodes and 3 output nodes.

Warstwa wejściowa zawiera 3 cechy – wykształcenie, stan cywilny i wiek – dostępne jako borrower_features. Warstwa ukryta zawiera 2 węzły, a warstwa wyjściowa – jeden węzeł.

Dla każdej warstwy pobierzesz poprzednią warstwę jako dane wejściowe, zainicjalizujesz zestaw wag, obliczysz iloczyn danych wejściowych i wag, a następnie zastosujesz funkcję aktywacji. Pamiętaj, że Variable(), ones(), matmul() i keras() zostały zaimportowane z tensorflow.

Instrukcje 1/2

undefined XP
    1
    2
  • Zainicjalizuj weights1 jako zmienną, korzystając z tensora jedynek o wymiarach 3×2.
  • Oblicz iloczyn borrower_features i weights1 za pomocą mnożenia macierzy.
  • Zastosuj sigmoidalną funkcję aktywacji do przekształcenia product1 + bias1.