În acest capitol, te vei familiariza cu noțiunile de bază ale API-ului funcțional Keras. Vei construi o rețea funcțională simplă folosind blocuri de construcție funcționale, o vei antrena pe date și vei face predicții.

Straturi de intrare și dense în Keras

Straturi de intrare

Straturi Dense

Straturi de ieșire

Construiește și compilează un model

Construiește un model

Compilează un model

Vizualizează un model

Antrenează și evaluează un model

Antrenează modelul pe datele turneului de baschet

Evaluează modelul pe un set de testare

API-ul funcțional Keras

În acest capitol, vei construi rețele cu două intrări care folosesc embeddings categoriale pentru a reprezenta date cu cardinalitate ridicată, straturi partajate pentru a defini blocuri reutilizabile și straturi de îmbinare pentru a combina mai multe intrări într-o singură ieșire. La finalul capitolului, vei stăpâni blocurile de bază necesare pentru a proiecta rețele neuronale cu fluxuri de date complexe.

Încorporări categoriale

Definirea lookup-ului pentru echipe

Definește modelul echipei

Straturi partajate

Definirea a două intrări

Caută ambele intrări în același model

Straturi de îmbinare

Stratul de ieșire folosind un strat partajat

Model cu două intrări și o ieșire

Previzionează cu modelul tău

Antrenează modelul pe datele din sezonul regulat

Evaluează modelul pe datele de test din turneu

Rețele cu două intrări: embeddings categoriale, straturi partajate și straturi de îmbinare

În acest capitol, vei extinde modelul cu 2 intrări la 3 intrări și vei învăța să folosești funcțiile de sumarizare și vizualizare din Keras pentru a înțelege parametrii și topologia rețelelor neuronale. La finalul capitolului, vei ști cum să extinzi un model de la 2 intrări la 3 sau mai multe.

Modele cu trei intrări

Creează un strat de intrare pentru echipa gazdă vs. oaspete

Creează și compilează un model

Antrenează și evaluează modelul

Rezumarea și vizualizarea modelelor

Rezumatele modelelor

Vizualizarea modelelor

Stacking modele

Adaugă predicțiile modelului la datele turneului

Creează un strat de intrare cu mai multe coloane

Antrenează modelul

Evaluează modelul

Intrări multiple: 3 intrări (și mai multe!)

În acest capitol, vei construi rețele neuronale cu mai multe ieșiri, care pot fi folosite pentru a rezolva probleme de regresie cu mai multe ținte. Vei construi, de asemenea, un model care rezolvă simultan o problemă de regresie și una de clasificare.

Modele cu două rezultate

Model simplu cu două ieșiri

Antrenează un model cu două ieșiri

Inspectează modelul (I)

Un singur model pentru clasificare și regresie

Clasificare și regresie într-un singur model

Compilează și antrenează modelul

Inspectează modelul (II)

Evaluează pe date noi cu două metrici

Concluzie

Ieșiri multiple

Basketball models

Basketball data

Acest curs îți arată cum să rezolvi o varietate de probleme folosind versatilul API funcțional Keras. Vei începe cu rețele dense simple, cu mai multe straturi (cunoscute și sub numele de perceptroni multistrat), apoi vei avansa către arhitecturi mai complexe. Cursul acoperă cum să construiești modele cu mai multe intrări și o singură ieșire, precum și cum să partajezi ponderi între straturile unui model. Vor fi abordate și subiecte avansate, precum embeddings pentru categorii și rețele cu mai multe ieșiri. Dacă ai vrut vreodată să antrenezi o rețea care face atât clasificare, cât și regresie, acest curs este pentru tine!

<h2>API-ul funcțional Keras</h2>
În acest curs, vei învăța cum să rezolvi probleme complexe folosind API-ul funcțional Keras. <br><br> Începând cu o introducere, vei construi rețele funcționale simple, le vei ajusta pe date și vei face predicții. Vei învăța, de asemenea, cum să construiești modele cu mai multe intrări și o singură ieșire și să partajezi greutățile între straturi​​.<br><br>
<h2>Rețele cu intrări multiple</h2>Pe măsură ce avansezi, explorează construirea de rețele cu două intrări folosind embeddinguri categorice, straturi partajate și straturi de îmbinare. Acestea sunt elementele fundamentale pentru proiectarea rețelelor neuronale cu fluxuri de date complexe. <br><br> Extinde aceste concepte la modele cu trei sau mai multe intrări, ajutându-te să înțelegi parametrii și topologia rețelelor tale neuronale folosind funcțiile summary și plot din Keras​​.<br><br><h2>Rețele cu ieșiri multiple</h2>În exercițiile interactive finale, vei lucra cu rețele cu ieșiri multiple, care pot rezolva probleme de regresie cu mai multe ținte și pot chiar gestiona simultan atât sarcini de regresie, cât și de clasificare. <br><br> La finalul cursului, vei avea experiență practică cu tehnici avansate de deep learning pentru a-ți avansa cariera ca data scientist, inclusiv evaluarea modelelor tale pe date noi folosind mai multe metrici​. <br><br>

Introduction to Deep Learning with Keras

Învață să dezvolți modele de deep learning cu Keras.

Deep Learning avansat cu Keras

Fundamentele Keras

Data Scientist

Structura cursului

Seturi de date: Date baschet universitar, 1989-2017

Intrări și ieșiri

Intrări

Ieșiri

Conectarea intrărilor la ieșiri

Să exersăm!

API-ul funcțional Keras - Straturi de intrare și dense în Keras

Straturi de intrare și dense în Keras

Create Your Free Account