เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เครื่องให้น้ำอัตโนมัติ

ในแบบฝึกหัดนี้ เราจะสร้างระบบให้น้ำอัตโนมัติสำหรับแปลงเกษตรโดยใช้โมเดล Multi-label classification ซึ่งแตกต่างจาก Multi-class classification ตรงที่แต่ละข้อมูลสามารถมีได้หลาย label พร้อมกัน นั่นหมายความว่า class ต่าง ๆ ไม่ได้แยกกันอย่างเด็ดขาด — โมเดลอาจสั่งให้น้ำทุกแปลง ไม่มีแปลงใดเลย หรือจะเลือกแปลงใดก็ได้ตามข้อมูลที่รับเข้ามา

เพื่อรองรับพฤติกรรมนี้ output layer จะมีจำนวน neurons เท่ากับจำนวน class แต่คราวนี้แต่ละ neuron จะใช้ sigmoid เป็น activation function ซึ่งต่างจาก Multi-class classification วิธีนี้ทำให้แต่ละ neuron ใน output layer สามารถให้ค่าระหว่าง 0 ถึง 1 ได้อย่างอิสระ

โมเดล Sequential() และ layer Dense() พร้อมใช้งานแล้ว ถึงเวลาสร้างเครื่องให้น้ำอัตโนมัติกันเลย!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างโมเดล Sequential()
  • เพิ่ม hidden layer ที่มี 64 neurons โดยกำหนดจำนวน input neurons ให้เท่ากับจำนวน sensor และใช้ activation แบบ relu
  • เพิ่ม output layer ที่มีจำนวน neurons เท่ากับจำนวนแปลงเกษตร และใช้ activation แบบ sigmoid
  • compile โมเดลด้วย optimizer adam และ loss แบบ binary_crossentropy

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate a Sequential model
model = ____

# Add a hidden layer of 64 neurons and a 20 neuron's input
____

# Add an output layer of 3 neurons with sigmoid activation
____

# Compile your model with binary crossentropy loss
model.compile(optimizer='adam',
           loss = ____,
           metrics=['accuracy'])

model.summary()
แก้ไขและรันโค้ด