Построение нейронной сети
Для создания нейронных сетей и их обучения классификации изображений мы будем использовать библиотеку Keras. Все модели будут относиться к типу Sequential, то есть выходные данные одного слоя передаются на вход только следующему слою.
В этом упражнении вы создадите нейронную сеть со слоями Dense, где каждый нейрон каждого слоя связан со всеми нейронами предыдущего слоя. Например, каждый нейрон первого слоя связан со всеми пикселями входных изображений. Объект слоя Dense принимает в качестве аргументов количество нейронов в этом слое и функцию активации. Для первого слоя сети также задаётся аргумент input_shape.
В этом курсе затрагивается немало концепций, которые могли подзабыться, — поэтому, если понадобится быстро освежить знания, скачайте шпаргалку по Keras и держите её под рукой!
Это упражнение является частью курса
Моделирование изображений с помощью Keras
Инструкции к упражнению
- Первый слой принимает изображения на вход, содержит 10 нейронов и использует активацию
'relu'. - Второй слой содержит 10 нейронов и использует активацию
'relu'. - Выходной слой содержит по одному нейрону для каждой категории (всего 3 категории) и использует активацию
'softmax'.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____