ComeçarComece de graça

Aprendendo os dígitos

Você criará um modelo no conjunto de dados de dígitos, um conjunto de dados de amostra que vem pré-carregado com o scikit learn. O conjunto de dados de dígitos consiste em dígitos manuscritos de 8x8 pixels de 0 a 9:

Você deseja distinguir entre cada um dos 10 dígitos possíveis de uma imagem, portanto, estamos lidando com classificação de várias classes.

O conjunto de dados já foi particionado em X_train, y_train, X_test e y_test, usando 30% dos dados como dados de teste. Os rótulos já são vetores codificados com um único disparo, portanto, você não precisa usar a função Keras to_categorical().

Vamos construir este novo model!

Este exercício faz parte do curso

Introdução à aprendizagem profunda com o Keras

Ver curso

Instruções do exercício

  • Adicione uma camada Dense de 16 neurônios com ativação relu e um input_shape que considera o número total de pixels da imagem de 8x8 dígitos.
  • Adicione uma camada Dense com 10 saídas e ativação softmax.
  • Compile seu modelo com as métricas adam, categorical_crossentropy e accuracy.
  • Certifique-se de que seu modelo funcione fazendo previsões em X_train.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Instantiate a Sequential model
model = Sequential()

# Input and hidden layer with input_shape, 16 neurons, and relu 
model.add(Dense(____, input_shape = (____,), activation = ____))

# Output layer with 10 neurons (one per digit) and softmax
model.____(____)

# Compile your model
model.____(optimizer = ____, loss = ____, metrics = [____])

# Test if your model is well assembled by predicting before training
print(model.predict(____))
Editar e executar o código