Keras 中的序列式模型
在第 3 章中，我們在 tensorflow 中使用了 keras API 的部分元件來定義神經網路，但尚未充分運用其功能來簡化模型定義與訓練。在本練習中，你將使用 keras 的序列式模型 API 來定義一個可用於分類手語字母影像的神經網路。你也會使用 .summary() 方法列印模型的架構，包括每個層的張量形狀與參數數量。
請注意，影像已從 (28, 28) 重塑為 (784,)，以便作為全連接層的輸入。另外，keras 已經從 tensorflow 匯入供你使用。
本練習屬於課程
Python 的 TensorFlow 入門
練習說明
- 定義一個名為
model的keras序列式模型。 - 將第一個層設為
Dense()，包含 16 個節點並使用relu啟用函式。 - 將第二個層設為
Dense()，包含 8 個節點並使用relu啟用函式。 - 將輸出層設為 4 個節點，並使用
softmax作為啟用函式。
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。
# 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())