Лінійна алгебра щільних шарів
У tensorflow є два способи визначити щільний шар. Перший базується на низькорівневих операціях лінійної алгебри. Другий використовує високорівневі операції keras. У цій вправі ми застосуємо перший підхід, щоб побудувати мережу, зображену на рисунку нижче.
Вхідний шар містить 3 ознаки — освіта, сімейний стан і вік — які доступні як borrower_features. Прихований шар має 2 вузли, а вихідний шар — один вузол.
Для кожного шару ви берете попередній шар як вхід, ініціалізуєте набір ваг, обчислюєте добуток входів і ваг, а потім застосовуєте функцію активації. Зауважте, що Variable(), ones(), matmul() і keras() імпортовано з tensorflow.
Ця вправа є частиною курсу
Вступ до TensorFlow на Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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))