神经分离
戴上手套，准备做一次"脑外科手术"吧！
神经元通过更新其权重来产生输出值，从而更好地区分数据集中不同的输出类别。
您将使用刚刚编写的 inp_to_out() 函数，在模型学习的过程中可视化 Banknote Authentication model 第一层中两个神经元的输出。
第 2 章中构建的 model 已可直接使用，X_test 和 y_test 也已就绪。若想查看 plot()，请在控制台中粘贴 show_code(plot)。
这是一次"重体力活"，全部完成后，请逐一点击图表，实时观看分类边界如何逐步分离！
本练习是课程的一部分
Keras 深度学习入门
练习说明
- 使用之前定义的
inp_to_out()函数，在以X_test作为输入时获取第一层的输出。 - 使用
model.evaluate()方法，在每个 epoch 上获取测试数据集的验证准确率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
for i in range(0, 21):
# Train model for 1 epoch
h = model.fit(X_train, y_train, batch_size = 16, epochs = 1, verbose = 0)
if i%4==0:
# Get the output of the first layer
layer_output = ____([____])[0]
# Evaluate model accuracy for this epoch
test_accuracy = model.____(____, ____)[1]
# Plot 1st vs 2nd neuron output
plot()