เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เปรียบเทียบ Activation Functions II

โค้ดที่เขียนไว้ในแบบฝึกหัดก่อนหน้าได้ถูกรันแล้วเพื่อให้ได้ตัวแปร activation_results โดยครั้งนี้ใช้ 100 epochs แทนที่จะเป็น 20 เพื่อให้มีข้อมูลเพียงพอสำหรับเปรียบเทียบการเทรนของแต่ละ activation function ได้ชัดเจนยิ่งขึ้น

สำหรับแต่ละ h_callback ของแต่ละ activation function ใน activation_results:

  • มีการดึงค่า h_callback.history['val_loss'] ออกมาแล้ว
  • มีการดึงค่า h_callback.history['val_accuracy'] ออกมาแล้ว

ทั้งสองค่าถูกเก็บไว้ใน dictionary สองตัว ได้แก่ val_loss_per_function และ val_acc_per_function

มีการโหลด pandas ในชื่อ pd ไว้ให้แล้ว มาพล็อตกราฟ validation loss และ accuracy กันเลย!

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Deep Learning เบื้องต้นด้วย Keras

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ pd.DataFrame() เพื่อสร้าง DataFrame ใหม่จาก dictionary val_loss_per_function
  • เรียกใช้ plot() บน DataFrame ที่สร้างขึ้น
  • สร้าง pandas DataFrame อีกตัวจาก val_acc_per_function
  • จากนั้นพล็อต DataFrame ตัวนี้ด้วยเช่นกัน

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Create a dataframe from val_loss_per_function
val_loss= ____.____(____)

# Call plot on the dataframe
____
plt.show()

# Create a dataframe from val_acc_per_function
val_acc = _____

# Call plot on the dataframe
____
plt.show()
แก้ไขและรันโค้ด