比較啟動函式 II
你在前一個練習中撰寫的程式已經執行，得到了 activation_results 變數；這次使用了 100 個 epochs，而不是 20。如此一來，你會有更多的 epochs，可以更進一步比較不同啟動函式在訓練過程中的變化。
對於 activation_results 中每個啟動函式的 h_callback：
- 已擷取
h_callback.history['val_loss']。 - 已擷取
h_callback.history['val_accuracy']。
兩者分別儲存到兩個字典：val_loss_per_function 與 val_acc_per_function。
另外也已為你載入 pandas 並命名為 pd。現在來快速繪製驗證損失與驗證正確率的圖表吧！
本練習屬於課程
Keras 深度學習入門
練習說明
- 使用
pd.DataFrame()從字典val_loss_per_function建立新的 DataFrame。 - 在該 DataFrame 上呼叫
plot()。 - 以
val_acc_per_function再建立另一個 pandas DataFrame。 - 再次將該 DataFrame 繪圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create a dataframe from val_loss_per_function
val_loss= ____.____(____)
# Call plot on the dataframe
____
plt.show()
# Create a dataframe from val_acc_per_function
val_acc = _____
# Call plot on the dataframe
____
plt.show()