ComeçarComece gratuitamente

O modelo sequencial no Keras

No capítulo 3, usamos componentes do keras API em tensorflow para definir uma rede neural, mas não chegamos a usar todos os seus recursos para simplificar a definição e o treinamento do modelo. Neste exercício, você usará o modelo sequencial keras API para definir uma rede neural que pode ser usada para classificar imagens de letras da língua de sinais. Você também usará o método .summary() para imprimir a arquitetura do modelo, incluindo a forma e o número de parâmetros associados a cada camada.

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

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver Curso

Instruções de exercício

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

Exercício interativo prático

Experimente este exercício preenchendo 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 código