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

exercițiu

Definirea modelului și a funcției de pierdere

În acest exercițiu, vei antrena o rețea neuronală pentru a prezice dacă un titular de card de credit va intra în incapacitate de plată. Caracteristicile și valorile țintă pe care le vei folosi pentru antrenare sunt disponibile în shell-ul Python sub numele borrower_features și default. Ponderile și valorile de bias au fost definite în exercițiul anterior.

Rețineți că stratul predictions este definit ca \(\sigma(layer1*w2+b2)\), unde \(\sigma\) reprezintă funcția de activare sigmoid, layer1 este un tensor de noduri pentru primul strat dens ascuns, w2 este un tensor de ponderi, iar b2 este tensorul de bias.

Variabilele antrenabile sunt w1, b1, w2 și b2. De asemenea, următoarele operații au fost importate pentru tine: keras.activations.relu() și keras.layers.Dropout().

Instrucțiuni

100 XP
  • Aplică funcția de activare unitate liniară rectificată (ReLU) primului strat.
  • Aplică un dropout de 25% stratului layer1.
  • Transmite valorile țintă, targets, și valorile prezise, predictions, funcției de pierdere cross-entropie.