ÎncepețiÎncepe gratuit

Modelul secvențial în Keras

În capitolul 3, am folosit componente ale API-ului keras din tensorflow pentru a defini o rețea neuronală, dar nu am valorificat pe deplin capacitățile sale de a simplifica definirea și antrenarea modelului. În acest exercițiu, vei folosi API-ul modelului secvențial din keras pentru a defini o rețea neuronală capabilă să clasifice imagini cu litere din limbajul semnelor. Vei folosi și metoda .summary() pentru a afișa arhitectura modelului, inclusiv forma și numărul de parametri asociați fiecărui strat.

Reține că imaginile au fost redimensionate din (28, 28) în (784,), pentru a putea fi utilizate ca intrări pentru un strat dens. De asemenea, keras a fost deja importat din tensorflow pentru tine.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Definește un model secvențial keras cu numele model.
  • Setează primul strat ca Dense(), cu 16 noduri și activarea relu.
  • Definește al doilea strat ca Dense(), cu 8 noduri și activarea relu.
  • Setează stratul de ieșire să aibă 4 noduri și să folosească funcția de activare softmax.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define a Keras sequential model
____

# Define the first dense layer
model.add(keras.layers.____(____, activation='____', input_shape=(784,)))

# Define the second dense layer
____

# Define the output layer
model.add(keras.layers.Dense(____))

# Print the model architecture
print(model.summary())
Editează și rulează codul