เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Sequential Model ใน Keras

ในบทที่ 3 เราใช้ส่วนประกอบของ keras API ใน tensorflow เพื่อกำหนดโครงข่ายประสาทเทียม แต่ยังไม่ได้ใช้ความสามารถเต็มรูปแบบเพื่อลดขั้นตอนการกำหนดโมเดลและการฝึก ในแบบฝึกหัดนี้ คุณจะใช้ sequential model API ของ keras เพื่อกำหนดโครงข่ายประสาทเทียมสำหรับจำแนกภาพตัวอักษรภาษามือ นอกจากนี้ยังจะใช้เมธอด .summary() เพื่อแสดงสถาปัตยกรรมของโมเดล รวมถึงรูปร่างและจำนวนพารามิเตอร์ของแต่ละเลเยอร์

หมายเหตุ: ภาพถูกปรับรูปร่างจาก (28, 28) เป็น (784,) เพื่อให้ใช้เป็น input ของ dense layer ได้ และมีการ import keras จาก tensorflow ให้แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด sequential model ของ keras โดยตั้งชื่อว่า model
  • กำหนดเลเยอร์แรกเป็น Dense() ที่มี 16 node และใช้ activation เป็น relu
  • กำหนดเลเยอร์ที่สองเป็น Dense() ที่มี 8 node และใช้ activation เป็น relu
  • กำหนด output layer ให้มี 4 node และใช้ฟังก์ชัน activation เป็น softmax

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define a Keras sequential model
____

# Define the first dense layer
model.add(keras.layers.____(____, activation='____', input_shape=(784,)))

# Define the second dense layer
____

# Define the output layer
model.add(keras.layers.Dense(____))

# Print the model architecture
print(model.summary())
แก้ไขและรันโค้ด