現在你有一個包含 2 個隱藏層的模型。輸入節點內顯示的是某筆輸入資料點的數值;邊(連線)上顯示的是權重。這個模型對該資料點會做出什麼預測?
假設每個節點的啟動函式都是「恆等函式」(identity function)。也就是說,每個節點的輸出與其輸入相同。所以第一個隱藏層底部節點的值是 -1,而不是 0;若使用 ReLU 啟動函式才會是 0。
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章中,你會熟悉深度學習的基本概念與術語,並理解為什麼這些技術在今日如此強大。你將建立簡單的神經網路,並用它們產生預測。
當前練習
學習如何最佳化你的神經網路所產生的預測。你將使用名為反向傳播的方法,這是深度學習中最重要的技術之一。理解其運作方式,能為你在課程後半段打下紮實基礎。
在本章中,你將使用 Keras 函式庫建立同時用於迴歸與分類的深度學習模型。你會學到可用來進行預測的 Specify-Compile-Fit 工作流程;在章末,你將具備建立深度神經網路所需的一切工具。
學習如何在 Keras 中最佳化你的深度學習模型。先從模型驗證開始,接著理解模型容量的概念,最後嘗試更寬、更深的網路。