Keras-modeller
I den här övningen tränar du på att använda två klasser från modulen keras.models. Du skapar en modell med klassen Sequential och en annan med klassen Model.
Klassen Sequential är enklare att använda eftersom lagren antas vara ordnade i sekvens, medan klassen Model är mer flexibel och tillåter flera ingångar, flera utgångar och delade lager (delade vikter).
Klassen Model kräver att ingångslagret deklareras explicit, medan detta i klassen Sequential görs via parametern input_shape.
Objekten och modulerna Sequential, Model, Dense, Input, LSTM och np (numpy) är redan inlästa i miljön.
Den här övningen är en del av kursen
Återkommande neurala nätverk (RNN) för språkmodellering med Keras
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Instantiate the class
model = ____(name="sequential_model")
# One LSTM layer (defining the input shape because it is the
# initial layer)
model.add(____(128, input_shape=(None, 10), name="LSTM"))
# Add a dense layer with one unit
model.add(____(1, activation="sigmoid", name="output"))
# The summary shows the layers and the number of parameters
# that will be trained
model.____