เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

โมเดล Multi-class

ในแบบฝึกหัดนี้ เราจะสร้างโมเดลที่ทำนายว่าใครเป็นคนขว้างลูกดอก โดยอาศัยเพียงตำแหน่งที่ลูกดอกปักบนกระดาน (นั่นคือพิกัด x และ y บนกระดาน)

ปัญหานี้เป็น multi-class classification เนื่องจากลูกดอกแต่ละลูกถูกขว้างโดยผู้แข่งขันเพียงคนเดียวจากทั้งหมด 4 คน คลาสต่าง ๆ จึงไม่ทับซ้อนกัน เราจึงสามารถสร้าง neuron ที่มี output เท่ากับจำนวนผู้แข่งขัน และใช้ activation function softmax เพื่อให้ผลรวมของความน่าจะเป็นทุกคลาสรวมกันได้เท่ากับ 1

โมเดล Sequential และเลเยอร์ Dense ได้ถูก import ไว้ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง instance ของโมเดล Sequential
  • เพิ่ม dense layer จำนวน 3 เลเยอร์ ที่มี 128, 64 และ 32 neurons ตามลำดับ
  • เพิ่ม dense layer สุดท้ายที่มี neurons เท่ากับจำนวนผู้แข่งขัน
  • คอมไพล์โมเดลโดยใช้ loss แบบ categorical_crossentropy

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Instantiate a sequential model
model = ____
  
# Add 3 dense layers of 128, 64 and 32 neurons each
model.add(____(____, input_shape=(2,), activation='relu'))
model.add(____(____, activation='relu'))
model.add(____(____, activation='relu'))
  
# Add a dense layer with as many neurons as competitors
model.add(____(____, activation=____))
  
# Compile your model using categorical_crossentropy loss
model.compile(loss=____,
              optimizer='adam',
              metrics=['accuracy'])
แก้ไขและรันโค้ด