พีชคณิตเชิงเส้นของ dense layer
มีสองวิธีในการกำหนด dense layer ใน tensorflow วิธีแรกใช้การดำเนินการทางพีชคณิตเชิงเส้นระดับต่ำ วิธีที่สองใช้การดำเนินการระดับสูงของ keras ในแบบฝึกหัดนี้ เราจะใช้วิธีแรกเพื่อสร้างโครงข่ายตามภาพด้านล่าง
เลเยอร์อินพุตประกอบด้วย 3 ฟีเจอร์ ได้แก่ ระดับการศึกษา สถานภาพสมรส และอายุ ซึ่งอยู่ในรูปแบบ borrower_features เลเยอร์ที่ซ่อนอยู่มี 2 โหนด และเลเยอร์เอาต์พุตมี 1 โหนด
สำหรับแต่ละเลเยอร์ ให้นำเลเยอร์ก่อนหน้ามาเป็นอินพุต กำหนดค่าน้ำหนักเริ่มต้น คำนวณผลคูณของอินพุตและน้ำหนัก แล้วจึงใช้ฟังก์ชัน activation โปรดทราบว่า Variable(), ones(), matmul() และ keras() ได้ถูกนำเข้ามาจาก tensorflow แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
TensorFlow เบื้องต้นใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Initialize bias1
bias1 = Variable(1.0)
# Initialize weights1 as 3x2 variable of ones
weights1 = ____(ones((____, ____)))
# Perform matrix multiplication of borrower_features and weights1
product1 = ____
# Apply sigmoid activation function to product1 + bias1
dense1 = keras.activations.____(____ + ____)
# Print shape of dense1
print("\n dense1's output shape: {}".format(dense1.shape))