Modele Keras
W tym ćwiczeniu przećwiczysz korzystanie z dwóch klas modułu keras.models. Stworzysz jeden model przy użyciu klasy Sequential oraz drugi model przy użyciu klasy Model.
Klasa Sequential jest prostsza w użyciu, ponieważ zakłada, że warstwy ułożone są w kolejności. Klasa Model jest bardziej elastyczna – pozwala na wiele wejść, wiele wyjść i współdzielone warstwy (ze współdzielonymi wagami).
W klasie Model warstwa wejściowa musi być zadeklarowana jawnie, natomiast w klasie Sequential robi się to za pomocą parametru input_shape.
Obiekty i moduły Sequential, Model, Dense, Input, LSTM oraz np (numpy) są już załadowane w środowisku.
To ćwiczenie jest częścią kursu
Rekurencyjne sieci neuronowe (RNN) do modelowania języka w Keras
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Instantiate the class
model = ____(name="sequential_model")
# One LSTM layer (defining the input shape because it is the
# initial layer)
model.add(____(128, input_shape=(None, 10), name="LSTM"))
# Add a dense layer with one unit
model.add(____(1, activation="sigmoid", name="output"))
# The summary shows the layers and the number of parameters
# that will be trained
model.____