1. Learn
    2. /
  2. Cursuri
    3. /
  3. Introducere în Deep Learning cu Keras
Connected

exercițiu

Efectele normalizării pe loturi

Normalizarea pe loturi (batch normalization) tinde să accelereze viteza de învățare a modelelor și să stabilizeze curbele lor de învățare. Să vedem cum se compară două modele identice – unul cu normalizare pe loturi și unul fără.

Modelul pe care tocmai l-ai construit, batchnorm_model, este deja încărcat. O copie exactă a acestuia fără normalizare pe loturi, standard_model, este de asemenea disponibilă. Poți verifica funcția summary() a fiecăruia în consolă. X_train, y_train, X_test și y_test sunt și ele încărcate, astfel că poți antrena ambele modele.

Vei compara curbele de învățare ale acurateții pentru ambele modele, reprezentându-le grafic cu compare_histories_acc().

Poți inspecta funcția lipind show_code(compare_histories_acc) în consolă.

Instrucțiuni

100 XP
  • Antrenează standard_model timp de 10 epoci, transmițând datele de antrenament și de validare, și stochează istoricul în h1_callback.
  • Antrenează batchnorm_model timp de 10 epoci, transmițând datele de antrenament și de validare, și stochează istoricul în h2_callback.
  • Apelează compare_histories_acc transmițând h1_callback și h2_callback.