ÎncepețiÎncepe gratuit

Utilizarea operației de strat dens

Am văzut deja cum se definesc straturile dense în tensorflow folosind algebră liniară. În acest exercițiu, vom renunța la algebră liniară și îi vom lăsa lui keras să se ocupe de detalii. Astfel, vom putea construi rețeaua de mai jos – care are 2 straturi ascunse și 10 caracteristici – folosind mai puțin cod decât a fost necesar pentru rețeaua cu 1 strat ascuns și 3 caracteristici.

This image depicts an neural network with 10 inputs nodes and 1 output node.

Pentru a construi această rețea, va trebui să definești trei straturi dense, fiecare primind stratul anterior ca intrare, înmulțindu-l cu ponderi și aplicând o funcție de activare. Datele de intrare au fost deja definite și sunt disponibile ca tensor de 100x10: borrower_features. De asemenea, modulul keras.layers este disponibil.

Acest exercițiu face parte din cursul

Introducere în TensorFlow în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Setează dense1 ca un strat dens cu 7 noduri de ieșire și o funcție de activare sigmoid.
  • Definește dense2 ca un strat dens cu 3 noduri de ieșire și o funcție de activare sigmoid.
  • Definește predictions ca un strat dens cu 1 nod de ieșire și o funcție de activare sigmoid.
  • Afișează formele lui dense1, dense2 și predictions, în această ordine, folosind metoda .shape. De ce fiecare dintre acești tensori are 100 de rânduri?

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Define the first dense layer
dense1 = keras.layers.Dense(____, activation='____')(borrower_features)

# Define a dense layer with 3 output nodes
dense2 = ____

# Define a dense layer with 1 output node
predictions = ____

# Print the shapes of dense1, dense2, and predictions
print('\n shape of dense1: ', dense1.shape)
print('\n shape of dense2: ', ____.shape)
print('\n shape of predictions: ', ____.shape)
Editează și rulează codul