Kom igångKom igång gratis

Lågnivaåansatsen med flera exempel

I den här övningen bygger vi vidare på förståelsen för lågnivåansatsen genom att konstruera det första täta dolda lagret för fallet med flera exempel. Vi utgår från att modellen är tränad och att vikterna för det första lagret, weights1, och bias, bias1, är tillgängliga. Därefter utför vi matrismultiplikation av tensorn borrower_features med variabeln weights1. Kom ihåg att tensorn borrower_features innehåller utbildning, civilstånd och ålder. Slutligen tillämpar vi sigmoidfunktionen på elementen i products1 + bias1, vilket ger dense1.

\(products1 = \begin{bmatrix} 3 & 3 & 23 \\ 2 & 1 & 24 \\ 1 & 1 & 49 \\ 1 & 1 & 49 \\ 2 & 1 & 29 \end{bmatrix} \begin{bmatrix} -0.6 & 0.6 \\ 0.8 & -0.3 \\ -0.09 & -0.08 \end{bmatrix}\)

Observera att matmul() och keras() har importerats från tensorflow.

Den här övningen är en del av kursen

Introduktion till TensorFlow i Python

Visa kurs

Övningsinstruktioner

  • Beräkna products1 genom att matrismultiplicera särdragstensorn med vikterna.
  • Använd en sigmoidaktiveringsfunktion för att transformera products1 + bias1.
  • Skriv ut formerna för borrower_features, weights1, bias1 och dense1.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compute the product of borrower_features and weights1
products1 = ____

# Apply a sigmoid activation function to products1 + bias1
dense1 = ____

# Print the shapes of borrower_features, weights1, bias1, and dense1
print('\n shape of borrower_features: ', borrower_features.shape)
print('\n shape of weights1: ', ____.shape)
print('\n shape of bias1: ', ____.shape)
print('\n shape of dense1: ', ____.shape)
Redigera och kör kod