ПочатиПочніть безкоштовно

Нейронне розділення

Одягайте рукавички — час робити операцію на мозку!

Нейрони навчаються, оновлюючи свої ваги так, щоб їхні вихідні значення краще розрізняли різні класи у вашому наборі даних. Ви скористаєтеся щойно створеною функцією inp_to_out(), щоб візуалізувати вихід двох нейронів у першому шарі моделі Banknote Authentication model під час навчання.

model, яку ви побудували в розділі 2, уже готова до використання, так само як і X_test та y_test. Вставте show_code(plot) у консоль, якщо хочете переглянути plot().

Ви виконуєте складну роботу. Коли все буде готово, перегортайте графіки, щоб побачити розділення наживо!

Ця вправа є частиною курсу

Вступ до Deep Learning з Keras

Переглянути курс

Інструкції до вправи

  • Використайте раніше визначену функцію inp_to_out(), щоб отримати виходи першого шару для X_test.
  • Використайте метод model.evaluate(), щоб отримати точність на валідації для тестового набору даних на кожній епосі.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

for i in range(0, 21):
  	# Train model for 1 epoch
    h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
    if i%4==0: 
      # Get the output of the first layer
      layer_output = ____([____])[0]
      
      # Evaluate model accuracy for this epoch
      test_accuracy = model.____(____, ____)[1] 
      
      # Plot 1st vs 2nd neuron output
      plot()
Редагувати та запускати код