ÎncepețiÎncepe gratuit

Compararea funcțiilor de activare

Compararea funcțiilor de activare presupune puțin cod, dar nimic care să te depășească!

Vei testa mai multe funcții de activare pe modelul multi-etichetă pe care l-ai construit pentru sistemul de irigații din capitolul 2. Funcția get_model('relu') returnează o copie a acestui model și aplică funcția de activare 'relu' stratului său ascuns.

Vei itera prin mai multe funcții de activare, vei genera un model nou pentru fiecare și îl vei antrena. Stocând callback-ul history într-un dicționar, vei putea vizualiza în exercițiul următor care funcție de activare a dat cele mai bune rezultate!

X_train, y_train, X_test, y_test sunt disponibile pentru antrenarea modelelor.

Acest exercițiu face parte din cursul

Introducere în Deep Learning cu Keras

Vezi cursul

Instrucțiuni pentru exercițiu

  • Completează array-ul cu funcțiile de activare: relu, leaky_relu, sigmoid și tanh.
  • Obține un model nou pentru fiecare iterație folosind get_model(), transmițând funcția de activare curentă ca parametru.
  • Antrenează modelul furnizând datele de antrenare și validation_data, folosește 20 de epochs și setează verbose la 0.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Activation functions to try
activations = [____, ____, ____, ____]

# Loop over the activation functions
activation_results = {}

for act in activations:
  # Get a new model with the current activation
  model = ____
  # Fit the model and store the history results
  h_callback = ____
  activation_results[act] = h_callback
Editează și rulează codul