Operacja na warstwie gęstej

Wiesz już, jak definiować warstwy gęste w tensorflow z użyciem algebry liniowej. W tym ćwiczeniu pominiemy algebrę liniową i pozwolimy, żeby keras zajął się szczegółami. Dzięki temu zbudujemy sieć przedstawioną poniżej – z 2 warstwami ukrytymi i 10 cechami – używając mniej kodu niż przy sieci z 1 warstwą ukrytą i 3 cechami.

Ten obraz przedstawia sieć neuronową z 10 węzłami wejściowymi i 1 węzłem wyjściowym.

Aby zbudować tę sieć, musisz zdefiniować trzy warstwy gęste. Każda z nich przyjmuje poprzednią warstwę jako dane wejściowe, mnoży je przez wagi i stosuje funkcję aktywacji. Dane wejściowe zostały już zdefiniowane i są dostępne jako tensor 100×10: borrower_features. Moduł keras.layers jest również dostępny.

Ustaw dense1 jako warstwę gęstą z 7 węzłami wyjściowymi i sigmoidalną funkcją aktywacji.
Zdefiniuj dense2 jako warstwę gęstą z 3 węzłami wyjściowymi i sigmoidalną funkcją aktywacji.
Zdefiniuj predictions jako warstwę gęstą z 1 węzłem wyjściowym i sigmoidalną funkcją aktywacji.
Wyświetl kształty tensorów dense1, dense2 i predictions w tej kolejności, używając metody .shape. Dlaczego każdy z tych tensorów ma 100 wierszy?

ćwiczenie

Operacja na warstwie gęstej

Instrukcje

.css-6su6fj{-webkit-flex-shrink:0;-ms-flex-negative:0;flex-shrink:0;}ćwiczenie

Instrukcje

ćwiczenie