Đặc tả một mô hình
Bây giờ bạn sẽ làm việc với mô hình đầu tiên trong Keras, và ngay lập tức có thể chạy các mô hình mạng nơ-ron phức tạp hơn trên các tập dữ liệu lớn hơn so với hai chương đầu.
Đầu tiên, bạn sẽ lấy khung sườn của một mạng nơ-ron và thêm một lớp ẩn cùng một lớp đầu ra. Sau đó bạn sẽ fit mô hình đó và xem Keras tối ưu hóa để mô hình của bạn liên tục cải thiện.
Khởi động bằng cách dự đoán mức lương theo giờ của người lao động dựa trên các đặc điểm như ngành nghề, học vấn và thâm niên. Bạn có thể tìm thấy tập dữ liệu trong một pandas DataFrame tên là df. Để tiện lợi, mọi thứ trong df ngoại trừ biến mục tiêu đã được chuyển thành một mảng NumPy tên predictors. Biến mục tiêu, wage_per_hour, có sẵn dưới dạng một mảng NumPy tên target.
Trong tất cả các bài tập của chương này, chúng tôi đã import sẵn bộ dựng mô hình Sequential, bộ dựng lớp Dense, và pandas.
Bài tập này là một phần của khóa học
Nhập môn Deep Learning với Python
Hướng dẫn bài tập
- Lưu số lượng cột trong dữ liệu
predictorsvàon_cols. Việc này đã được làm sẵn cho bạn. - Bắt đầu bằng cách tạo một mô hình
Sequentialtênmodel. - Dùng phương thức
.add()trênmodelđể thêm một lớpDense.- Thêm
50unit, chỉ địnhactivation='relu', và tham sốinput_shapelà bộ(n_cols,), nghĩa là mỗi hàng dữ liệu cón_colsphần tử, và chấp nhận bất kỳ số lượng hàng đầu vào nào.
- Thêm
- Thêm một lớp
Densekhác. Lớp này có32unit và kích hoạt'relu'. - Cuối cùng, thêm một lớp đầu ra, là một lớp
Densevới một node duy nhất. Không dùng bất kỳ hàm kích hoạt nào ở đây.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import necessary modules
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import Sequential
# Save the number of columns in predictors: n_cols
n_cols = predictors.shape[1]
# Set up the model: model
model = ____
# Add the first layer
____.____(____(____, ____=____, ____=(____)))
# Add the second layer
____
# Add the output layer
____