ComeçarComece de graça

O modelo sequencial no Keras

No capítulo 3, usamos componentes da API keras em tensorflow para definir uma rede neural, mas não chegamos a usar todo o seu potencial para simplificar a definição e o treinamento de modelos. Neste exercício, você vai usar a API de modelo sequencial do keras para definir uma rede neural que pode classificar imagens de letras em linguagem de sinais. Você também usará o método .summary() para imprimir a arquitetura do modelo, incluindo o formato e o número de parâmetros associados a cada camada.

Observe que as imagens foram remodeladas de (28, 28) para (784,), para que pudessem ser usadas como entradas em uma camada densa. Além disso, note que keras já foi importado de tensorflow para você.

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver curso

Instruções do exercício

  • Defina um modelo sequencial do keras chamado model.
  • Defina a primeira camada como Dense() com 16 nós e ativação relu.
  • Defina a segunda camada como Dense() com 8 nós e ativação relu.
  • Defina a camada de saída com 4 nós e função de ativação softmax.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Define a Keras sequential model
____

# Define the first dense layer
model.add(keras.layers.____(____, activation='____', input_shape=(784,)))

# Define the second dense layer
____

# Define the output layer
model.add(keras.layers.Dense(____))

# Print the model architecture
print(model.summary())
Editar e executar o código