สร้างโครงข่ายประสาทเทียม
เราจะใช้ไลบรารี Keras ในการสร้างโครงข่ายประสาทเทียมและฝึกให้จำแนกประเภทของภาพ โมเดลทั้งหมดในคอร์สนี้จะเป็นแบบ Sequential ซึ่งหมายความว่าผลลัพธ์จากเลเยอร์หนึ่งจะถูกส่งเป็นอินพุตให้กับเลเยอร์ถัดไปเท่านั้น
ในแบบฝึกหัดนี้ คุณจะสร้างโครงข่ายประสาทเทียมที่ใช้เลเยอร์แบบ Dense ซึ่งหมายความว่าแต่ละหน่วยในแต่ละเลเยอร์จะเชื่อมต่อกับทุกหน่วยในเลเยอร์ก่อนหน้า ตัวอย่างเช่น แต่ละหน่วยในเลเยอร์แรกจะเชื่อมต่อกับทุกพิกเซลในภาพอินพุต ออบเจ็กต์ Dense รับอาร์กิวเมนต์เป็นจำนวนหน่วยในเลเยอร์นั้นและฟังก์ชัน Activation สำหรับเลเยอร์แรกในโครงข่าย จะต้องระบุอาร์กิวเมนต์ input_shape เพิ่มเติมด้วย
คอร์สนี้ครอบคลุมแนวคิดหลายอย่างที่อาจจำไม่ได้ หากต้องการทบทวนอย่างรวดเร็ว ดาวน์โหลด Keras Cheat Sheet เก็บไว้ใช้งานได้เลย!
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้างโมเดลภาพด้วย Keras
คำแนะนำการฝึกหัด
- เลเยอร์แรกรับภาพเป็นอินพุต มี 10 หน่วย และใช้ Activation แบบ
'relu' - เลเยอร์อินพุตที่สองมี 10 หน่วย และใช้ Activation แบบ
'relu' - เลเยอร์เอาต์พุตมีหนึ่งหน่วยต่อหนึ่งหมวดหมู่ (3 หมวดหมู่) และใช้ Activation แบบ
'softmax'
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Imports components from Keras
from keras.models import Sequential
from keras.layers import Dense
# Initializes a sequential model
model = Sequential()
# First layer
model.add(____(10, activation=____, input_shape=(784,)))
# Second layer
model.add(____(____, activation=____))
# Output layer
____