Kom igångKom igång gratis

Batchnormalisering av en bekant modell

Kommer du ihåg sifferdatamängden som du tränade på i det första exemplet i det här kapitlet?

Det var ett problem med flerklass-klassificering som du löste med softmax och 10 neuroner i utdatalagret.

Nu ska du bygga en ny och djupare modell med 3 dolda lager med 50 neuroner vardera, och använda batchnormalisering mellan lagren. Parametern kernel_initializer används för att initialisera vikterna på ett liknande sätt.

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Importera BatchNormalization från lagren i tensorflow.keras.
  • Bygg din djupa nätverksmodell och använd 50 neuroner per dolt lager med batchnormalisering mellan lagren.
  • Kompilera din modell med stokastisk gradientmetoden, sgd, som optimerare.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import batch normalization from keras layers
from tensorflow.____.____ import ____

# Build your deep network
batchnorm_model = ____
batchnorm_model.add(Dense(____, input_shape=(64,), activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(____, activation='relu', kernel_initializer='normal'))
batchnorm_model.add(____)
batchnorm_model.add(Dense(10, activation='softmax', kernel_initializer='normal'))

# Compile your model with sgd
batchnorm_model.compile(optimizer=____, loss='categorical_crossentropy', metrics=['accuracy'])
Redigera och kör kod