ПочатиПочніть безкоштовно

Послідовна модель у Keras

У розділі 3 ми використовували компоненти API keras у tensorflow, щоб визначити нейронну мережу, але ще не задіяли всі його можливості для спрощення визначення та навчання моделі. У цій вправі ви використаєте API послідовної моделі keras, щоб визначити нейронну мережу для класифікації зображень літер жестової мови. Ви також застосуєте метод .summary(), щоб вивести архітектуру моделі, зокрема форму та кількість параметрів, пов'язаних із кожним шаром.

Зверніть увагу, що зображення було переформатовано з (28, 28) до (784,), щоб їх можна було використати як вхід для щільного шару. Крім того, зверніть увагу, що keras уже імпортовано з tensorflow.

Ця вправа є частиною курсу

Вступ до TensorFlow на Python

Переглянути курс

Інструкції до вправи

  • Визначте послідовну модель keras з іменем model.
  • Зробіть перший шар Dense() з 16 вузлами та активацією relu.
  • Визначте другий шар як Dense() з 8 вузлами та активацією relu.
  • Задайте вихідний шар із 4 вузлами та функцією активації softmax.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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())
Редагувати та запускати код