ComeçarComece de graça

Separação neural

Coloque as luvas, porque você vai fazer uma cirurgia no cérebro!

Os neurônios aprendem atualizando seus pesos para produzir valores que os ajudem a distinguir melhor entre as diferentes classes de saída no seu conjunto de dados. Você vai usar a função inp_to_out() que acabou de construir para visualizar a saída de dois neurônios na primeira camada do model de Banknote Authentication enquanto ele aprende.

O model que você construiu no capítulo 2 já está pronto para uso, assim como X_test e y_test. Cole show_code(plot) no console se quiser verificar plot().

É trabalho pesado — quando terminar, clique pelos gráficos para assistir à separação ao vivo!

Este exercício faz parte do curso

Introdução ao Deep Learning com Keras

Ver curso

Instruções do exercício

  • Use a função inp_to_out() definida anteriormente para obter as saídas da primeira camada quando alimentada com X_test.
  • Use o método model.evaluate() para obter a acurácia de validação para o conjunto de teste em cada época.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Editar e executar o código