1. Learn
    2. /
  2. Cursuri
    3. /
  3. Introducere în TensorFlow în Python
Connected

exercițiu

Compilarea unui model secvențial

În acest exercițiu, vei lucra la clasificarea literelor din setul de date Sign Language MNIST; totuși, vei folosi o arhitectură de rețea diferită față de cea utilizată în exercițiul anterior. Vei avea mai puține straturi, dar mai mulți noduri. Vei aplica și dropout pentru a preveni supraadaptarea (overfitting). În final, vei compila modelul folosind optimizatorul adam și funcția de pierdere categorical_crossentropy. Vei folosi și o metodă din keras pentru a rezuma arhitectura modelului tău. Rețineți că keras a fost importat din tensorflow, iar un model keras secvențial a fost deja definit ca model.

Instrucțiuni

100 XP
  • În primul strat dens, setează numărul de noduri la 16, activarea la sigmoid și input_shape la (784,).
  • Aplică dropout cu o rată de 25% la ieșirea primului strat.
  • Setează stratul de ieșire ca strat dens, cu 4 noduri și funcția de activare softmax.
  • Compilează modelul folosind optimizatorul adam și funcția de pierdere categorical_crossentropy.