ComeçarComece de graça

Uma máquina de irrigação

Você vai automatizar a irrigação de lotes agrícolas criando uma máquina de irrigação inteligente. Os problemas de classificação com vários rótulos diferem dos problemas com várias classes, pois cada observação pode ser rotulada com zero ou mais classes. Portanto, as classes/rótulos não são mutuamente exclusivas, você poderia irrigar todas, nenhuma ou qualquer combinação de parcelas agrícolas com base nos insumos.

Para levar em conta esse comportamento, o que fazemos é ter uma camada de saída com tantos neurônios quanto classes, mas, desta vez, diferentemente dos problemas multiclasse, cada neurônio de saída tem uma função de ativação sigmoid. Isso faz com que cada neurônio na camada de saída seja capaz de produzir um número entre 0 e 1 de forma independente.

O modelo Sequential() e as camadas Dense() estão prontos para serem usados. É hora de construir uma máquina de irrigação inteligente!

Este exercício faz parte do curso

Introdução à aprendizagem profunda com o Keras

Ver curso

Instruções do exercício

  • Instanciar um modelo Sequential().
  • Adicione uma camada oculta de 64 neurônios com tantos neurônios de entrada quantos forem os sensores e a ativação relu.
  • Adicione uma camada de saída com o mesmo número de neurônios que as parcelas e a ativação sigmoid.
  • Compile seu modelo com o otimizador adam e a perda binary_crossentropy.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Instantiate a Sequential model
model = ____

# Add a hidden layer of 64 neurons and a 20 neuron's input
____

# Add an output layer of 3 neurons with sigmoid activation
____

# Compile your model with binary crossentropy loss
model.compile(optimizer='adam',
           loss = ____,
           metrics=['accuracy'])

model.summary()
Editar e executar o código