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

ćwiczenie

Podejście niskopoziomowe z wieloma przykładami

W tym ćwiczeniu pogłębimy intuicję dotyczącą podejścia niskopoziomowego, budując pierwszą gęstą warstwę ukrytą dla przypadku, gdy mamy wiele przykładów. Zakładamy, że model jest już wytrenowany, a wagi pierwszej warstwy weights1 oraz odchylenie bias1 są dostępne. Następnie wykonamy mnożenie macierzowe tensora borrower_features przez zmienną weights1. Przypomnij sobie, że tensor borrower_features zawiera informacje o wykształceniu, stanie cywilnym i wieku. Na koniec zastosujemy funkcję sigmoid do elementów products1 + bias1, uzyskując dense1.

\(products1 = \begin{bmatrix} 3 & 3 & 23 \\ 2 & 1 & 24 \\ 1 & 1 & 49 \\ 1 & 1 & 49 \\ 2 & 1 & 29 \end{bmatrix} \begin{bmatrix} -0.6 & 0.6 \\ 0.8 & -0.3 \\ -0.09 & -0.08 \end{bmatrix}\)

Zwróć uwagę, że matmul() oraz keras() zostały już zaimportowane z tensorflow.

Instrukcje

100 XP
  • Oblicz products1, mnożąc macierzowo tensor cech przez wagi.
  • Użyj funkcji aktywacji sigmoid, aby przekształcić products1 + bias1.
  • Wyświetl kształty tensorów borrower_features, weights1, bias1 oraz dense1.