НачатьНачать бесплатно

Последовательная модель в Keras

В главе 3 мы использовали компоненты API keras из библиотеки tensorflow для определения нейронной сети, однако не задействовали все его возможности для упрощения определения и обучения модели. В этом упражнении вы воспользуетесь последовательным API keras, чтобы определить нейронную сеть для классификации изображений букв языка жестов. Кроме того, вы применяете метод .summary(), чтобы вывести архитектуру модели — форму и количество параметров каждого слоя.

Обратите внимание, что изображения были преобразованы из формы (28, 28) в (784,), чтобы их можно было использовать в качестве входных данных для полносвязного слоя. Также учтите, что keras уже импортирован из tensorflow.

Это упражнение является частью курса

Введение в TensorFlow на Python

Посмотреть курс

Инструкции к упражнению

  • Определите последовательную модель keras и назовите её model.
  • Задайте первый слой как Dense() с 16 нейронами и функцией активации relu.
  • Определите второй слой как Dense() с 8 нейронами и функцией активации relu.
  • Задайте выходной слой с 4 нейронами и функцией активации softmax.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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())
Редактировать и запускать код