ÎncepețiÎncepe gratuit

O mașină de irigat

Vei automatiza irigarea parcelelor agricole construind o mașină inteligentă de irigat. Problemele de clasificare multi-etichetă diferă de cele multi-clasă prin faptul că fiecare observație poate fi asociată cu zero sau mai multe clase. Prin urmare, clasele/etichetele nu se exclud reciproc – poți uda toate parcelele, niciuna sau orice combinație, în funcție de datele de intrare.

Pentru a gestiona acest comportament, stratul de ieșire are tot atâția neuroni câte clase există, dar de această dată, spre deosebire de problemele multi-clasă, fiecare neuron de ieșire are funcția de activare sigmoid. Astfel, fiecare neuron din stratul de ieșire poate produce independent o valoare între 0 și 1.

Modelul Sequential() și straturile Dense() sunt pregătite pentru utilizare. E momentul să construiești o mașină inteligentă de irigat!

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Instanțiază un model Sequential().
  • Adaugă un strat ascuns cu 64 de neuroni, cu tot atâția neuroni de intrare câți senzori există, și activarea relu.
  • Adaugă un strat de ieșire cu tot atâția neuroni câte parcele există și activarea sigmoid.
  • Compilează modelul folosind optimizatorul adam și funcția de pierdere binary_crossentropy.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Instantiate a Sequential model
model = ____

# Add a hidden layer of 64 neurons and a 20 neuron's input
____

# Add an output layer of 3 neurons with sigmoid activation
____

# Compile your model with binary crossentropy loss
model.compile(optimizer='adam',
           loss = ____,
           metrics=['accuracy'])

model.summary()
Editează și rulează codul