Kom igångKom igång gratis

Initialisering i TensorFlow

En bra initialisering kan minska den tid som behövs för att hitta det globala minimumet. I den här övningen initialiserar vi vikter och biasvärden för ett neuralt nätverk som ska användas för att förutsäga kreditkortsmisslyckanden. För att bygga intuitiv förståelse använder vi den linjäralgebraiska metoden på låg nivå, snarare än bekvämlighets­funktioner och keras-operationer på hög nivå. Vi utökar också antalet inmatningssärdrag från 3 till 23. Flera operationer har importerats från tensorflow: Variable(), random() och ones().

Den här övningen är en del av kursen

Introduktion till TensorFlow i Python

Visa kurs

Övningsinstruktioner

  • Initialisera vikterna för lager 1, w1, som en Variable() med formen [23, 7], hämtad från en normalfördelning.
  • Initialisera biasvärdet för lager 1 med ettor.
  • Använd ett urval från normalfördelningen för att initialisera w2 som en Variable() med formen [7, 1].
  • Definiera b2 som en Variable() och sätt dess startvärde till 0.0.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Define the layer 1 weights
w1 = ____(random.normal([____, ____]))

# Initialize the layer 1 bias
b1 = Variable(____([7]))

# Define the layer 2 weights
w2 = ____

# Define the layer 2 bias
b2 = ____
Redigera och kör kod