ÎncepețiÎncepe gratuit

Separare neuronală

Pregătește-te, pentru că urmează să faci o adevărată operație pe creier!

Neuronii învață actualizându-și ponderile pentru a produce valori care îi ajută să distingă mai bine între clasele de ieșire din setul tău de date. Vei folosi funcția inp_to_out() pe care tocmai ai construit-o pentru a vizualiza ieșirea a doi neuroni din primul strat al modelului Banknote Authentication model pe măsură ce acesta învață.

Modelul model construit în capitolul 2 este gata de utilizat, la fel ca X_test și y_test. Rulează show_code(plot) în consolă dacă vrei să verifici plot().

Este un proces intensiv — când totul e gata, navighează prin grafice pentru a urmări separarea în timp real!

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosește funcția inp_to_out() definită anterior pentru a obține ieșirile primului strat atunci când i se furnizează X_test.
  • Folosește metoda model.evaluate() pentru a obține acuratețea de validare pe setul de testare la fiecare epocă.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Editează și rulează codul