ComeçarComece gratuitamente

A abordagem de baixo nível com vários exemplos

Neste exercício, desenvolveremos mais intuição para a abordagem de baixo nível, construindo a primeira camada oculta densa para o caso em que temos vários exemplos. Vamos supor que o modelo esteja treinado e que os pesos da primeira camada, weights1, e o viés, bias1, estejam disponíveis. Em seguida, realizaremos a multiplicação da matriz do tensor borrower_features pela variável weights1. Lembre-se de que o tensor borrower_features inclui educação, estado civil e idade. Por fim, aplicaremos a função sigmoide aos elementos de products1 + bias1, resultando em dense1.

\(products1 = \begin{bmatrix} 3 & 3 & 23 \\ 2 & 1 & 24 \\ 1 & 1 & 49 \\ 1 & 1 & 49 \\ 2 & 1 & 29 \end{bmatrix} \begin{bmatrix} -0.6 & 0.6 \\ 0.8 & -0.3 \\ -0.09 & -0.08 \end{bmatrix}\)

Observe que matmul() e keras() foram importados de tensorflow.

Este exercício faz parte do curso

Introdução ao TensorFlow em Python

Ver Curso

Instruções de exercício

  • Calcule products1 multiplicando a matriz do tensor de recursos pelos pesos.
  • Use uma função de ativação sigmoide para transformar products1 + bias1.
  • Imprima as formas de borrower_features, weights1, bias1, e dense1.

Exercício interativo prático

Experimente este exercício preenchendo este código de exemplo.

# Compute the product of borrower_features and weights1
products1 = ____

# Apply a sigmoid activation function to products1 + bias1
dense1 = ____

# Print the shapes of borrower_features, weights1, bias1, and dense1
print('\n shape of borrower_features: ', borrower_features.shape)
print('\n shape of weights1: ', ____.shape)
print('\n shape of bias1: ', ____.shape)
print('\n shape of dense1: ', ____.shape)
Editar e executar código