Jämföra aktiveringsfunktioner
Att jämföra aktiveringsfunktioner kräver lite kodning, men inget du inte klarar av!
Du kommer att testa olika aktiveringsfunktioner på den multi-label-modell du byggde för din gårdsirrigationsmaskin i kapitel 2. Funktionen get_model('relu') returnerar en kopia av den här modellen och tillämpar aktiveringsfunktionen 'relu' på dess dolda lager.
Du loopar igenom flera aktiveringsfunktioner, skapar en ny modell för varje och tränar den. Genom att lagra history-callbacken i en ordbok kan du i nästa övning visualisera vilken aktiveringsfunktion som presterade bäst!
X_train, y_train, X_test och y_test är redo att använda när du tränar dina modeller.
Den här övningen är en del av kursen
Introduktion till djupinlärning med Keras
Övningsinstruktioner
- Fyll i arrayen med aktiveringsfunktioner med
relu,leaky_relu,sigmoidochtanh. - Hämta en ny modell för varje iteration med
get_model()och skicka den aktuella aktiveringsfunktionen som parameter. - Träna din modell med träningsdata och
validation_data, använd 20epochsoch sätt verbose till 0.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Activation functions to try
activations = [____, ____, ____, ____]
# Loop over the activation functions
activation_results = {}
for act in activations:
# Get a new model with the current activation
model = ____
# Fit the model and store the history results
h_callback = ____
activation_results[act] = h_callback