НачатьНачать бесплатно

Обучение с помощью Keras

В этом упражнении мы возвращаемся к задаче классификации букв языка жестов. У нас есть 2000 изображений четырёх букв — A, B, C и D — и мы хотим классифицировать их с высокой точностью. Мы выполним все этапы решения задачи: определение модели, компиляцию и обучение.

Обратите внимание, что keras уже импортирован из tensorflow. Признаки доступны как sign_language_features, а целевые метки — как sign_language_labels.

Это упражнение является частью курса

Введение в TensorFlow на Python

Посмотреть курс

Инструкции к упражнению

  • Определите последовательную модель с именем model.
  • Настройте выходной слой как плотный (dense) с 4 узлами и функцией активации softmax.
  • Скомпилируйте модель с оптимизатором SGD и функцией потерь categorical_crossentropy.
  • Завершите операцию подгонки модели и задайте количество эпох равным 5.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Define a sequential model
____

# Define a hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(784,)))

# Define the output layer
____

# Compile the model
model.compile('____', loss='____')

# Complete the fitting operation
model.fit(____, ____, epochs=____)
Редактировать и запускать код