ComeçarComece de graça

Aprendendo os dígitos

Você vai construir um modelo usando o digits dataset, um conjunto de dados de exemplo que já vem pré-carregado no scikit-learn. O digits dataset consiste em dígitos manuscritos de 0 a 9 com 8x8 pixels:

Você quer distinguir cada um dos 10 possíveis dígitos a partir de uma imagem, então estamos lidando com classificação multiclasse.

O conjunto de dados já foi particionado em X_train, y_train, X_test e y_test, usando 30% dos dados como teste. Os rótulos já são vetores one-hot encoded, então você não precisa usar a função to_categorical() do Keras.

Vamos construir este novo model!

Este exercício faz parte do curso

Introdução ao Deep Learning com Keras

Ver curso

Instruções do exercício

  • Adicione uma camada Dense de 16 neurônios com ativação relu e um input_shape que receba o número total de pixels da imagem 8x8 do dígito.
  • Adicione uma camada Dense com 10 saídas e ativação softmax.
  • Compile seu modelo com adam, categorical_crossentropy e a métrica accuracy.
  • Certifique-se de que seu modelo funciona 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