Bölüm 1: Harika ödüller kazanmak için katıl

Bu egzersizde Dense katmanını öğreneceksin. Bunu eğlenceli bir alıştırmayla yapmaya ne dersin? Diyelim ki ödüllerin bir sinir ağı tarafından belirlendiği bir yarışma programı var. Yarışmacı şu bilgileri giriyor:

kardeş sayısı,
bugün içilen kahve sayısı ve
domates sevip sevmediği,

ve model yarışmacının ne kazanacağını tahmin ediyor.

Bunu uygulamak için Keras kullanacaksın. Üç özelliği kabul eden bir girdi katmanına sahip bir model oluşturman gerekiyor (kardeş sayısı bir tamsayı, kahve sayısı bir tamsayı ve domates sevip sevmediği 0 veya 1). Ardından girdi, 3 olasılık üreten bir Dense katmanından geçiyor (yani araba, hediye çeki veya hiçbir şey kazanma olasılıkları).

Keras'tan Input ve Dense katmanları ile bir Model nesnesi zaten içe aktarıldı. Ayrıca Dense katmanını başlatmak için init adlı bir ağırlık başlatıcı da sağlandı.

Bu egzersiz

Keras ile Machine Translation

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

Her biri 3 girdiye sahip (kardeş sayısı, kahve sayısı ve domates tercihi) 3 yarışmacıyı (batch size) yalnızca kabul eden bir girdi katmanı tanımla (girdi boyutu).
3 çıkışlı, softmax aktivasyonlu ve başlatıcı olarak init kullanılan bir Dense katmanı tanımla.
Tanımlanan modeli kullanarak x için model tahminlerini hesapla.
Her yarışmacı için en olası ödülü (tamsayı olarak) al.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Define an input layer with batch size 3 and input size 3
inp = Input(____=(____,____))
# Get the output of the 3 node Dense layer
pred = ____(____, ____=____, kernel_initializer=init, bias_initializer=init)(inp)
model = Model(inputs=inp, outputs=pred)

names = ["Mark", "John", "Kelly"]
prizes = ["Gift voucher", "Car", "Nothing"]
x = np.array([[5, 0, 1], [0, 3, 1], [2, 2, 1]])
# Compute the model prediction for x
y = ____.____(____)
# Get the most probable class for each sample
classes = np.____(____, ____)
print("\n".join(["{} has probabilities {} and wins {}".format(n,p,prizes[c]) \
                 for n,p,c in zip(names, y, classes)]))

Kodu Düzenle ve Çalıştır