เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การฝึกโมเดลด้วย Keras

ในแบบฝึกหัดนี้ เรากลับมาที่ปัญหาการจำแนกตัวอักษรภาษามือกันอีกครั้ง โดยมีรูปภาพตัวอักษร 4 ตัว ได้แก่ A, B, C และ D รวม 2,000 รูป และต้องการจำแนกให้ได้อย่างแม่นยำสูง เราจะดำเนินการครบทุกขั้นตอน ทั้งการกำหนดโมเดล การคอมไพล์ และการฝึก

โปรดทราบว่า keras ถูก import จาก tensorflow ให้แล้ว และ features พร้อมใช้งานในชื่อ sign_language_features ส่วน targets พร้อมใช้งานในชื่อ sign_language_labels

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

TensorFlow เบื้องต้นใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • กำหนด sequential model โดยตั้งชื่อว่า model
  • กำหนด output layer ให้เป็น dense มี 4 nodes และใช้ฟังก์ชัน activation แบบ softmax
  • คอมไพล์โมเดลโดยใช้ optimizer แบบ SGD และ loss แบบ categorical_crossentropy
  • กำหนดค่าในขั้นตอนการ fit และตั้งจำนวน epoch เป็น 5

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Define a sequential model
____

# Define a hidden layer
model.add(keras.layers.Dense(16, activation='relu', input_shape=(784,)))

# Define the output layer
____

# Compile the model
model.compile('____', loss='____')

# Complete the fitting operation
model.fit(____, ____, epochs=____)
แก้ไขและรันโค้ด