Kom igångKom igång gratis

Lär dig känna igen siffror

Nu ska du bygga en modell på digits-datamängden, ett exempeldataset som levereras inbyggt med scikit-learn. Digits-datamängden består av handskrivna siffror från 0 till 9 i 8x8 pixlar:

Målet är att skilja mellan var och en av de 10 möjliga siffrorna utifrån en bild – det här är alltså ett problem med multiklassklassificering.

Datamängden har redan delats upp i X_train, y_train, X_test och y_test, där 30 % av datan används som testdata. Etiketterna är redan one-hot-kodade vektorer, så du behöver inte använda Keras to_categorical()-funktion.

Nu bygger vi den nya model!

Den här övningen är en del av kursen

Introduktion till djupinlärning med Keras

Visa kurs

Övningsinstruktioner

  • Lägg till ett Dense-lager med 16 neuroner, relu-aktivering och en input_shape som motsvarar det totala antalet pixlar i 8x8-siffrans bild.
  • Lägg till ett Dense-lager med 10 utdatanoder och softmax-aktivering.
  • Kompilera din modell med adam, categorical_crossentropy och måttet accuracy.
  • Kontrollera att modellen fungerar genom att göra en prediktion på X_train.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Instantiate a Sequential model
model = Sequential()

# Input and hidden layer with input_shape, 16 neurons, and relu 
model.add(Dense(____, input_shape = (____,), activation = ____))

# Output layer with 10 neurons (one per digit) and softmax
model.____(____)

# Compile your model
model.____(optimizer = ____, loss = ____, metrics = [____])

# Test if your model is well assembled by predicting before training
print(model.predict(____))
Redigera och kör kod